Registration of a needle-positioning robot to high-resolution 3D ultrasound and computed tomography for image-guided interventions in small animals
Notice bibliographique
Résumé
Preclinical research often requires the delivery of biological substances to specific locations in small animals. Guiding a needle to targets in small animals with an error < 200 μm requires accurate registration. We are developing techniques to register a needle-positioning robot to high-resolution three-dimensional ultrasound and computed tomography small animal imaging systems. Both techniques involve moving the needle to predetermined robot coordinates and determining corresponding needle locations in image coordinates. Registration accuracy will therefore be affected by the robot positioning error and is assessed by measuring the target registration error (TRE). A point-based registration between robot and micro-ultrasound coordinates was accomplished by attaching a fiducial phantom onto the needle. A TRE of 145 μm was achieved when moving the needle to a set of robot coordinates and registering the coordinates to needle tip locations determined from ultrasound fiducial measurements. Registration between robot and micro-CT coordinates was accomplished by injecting barium sulfate into tracks created when the robot withdraws the needle from a phantom. Points along cross-sectional slices of the segmented needle tracks were determined using an intensity-weighted centroiding algorithm. A minimum distance TRE of 194 ± 18 μm was achieved by registering centroid points to robot trajectories using the iterative closest point (ICP) algorithm. Simulations, incorporating both robot and ultrasound fiducial localization errors, verify that robot error is a significant component of the experimental registration. Simulations of micro-CT to robot ICP registration similarly agree with the experimental results. Both registration techniques produce a TRE < 200 μm, meeting design specification.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».