MétaCan
Menu
Retour à la cohorte
Enregistrement W2039518493 · doi:10.1117/12.708537

Accuracy estimation in freehand ultrasound probe calibration

2007· article· en· W2039518493 sur OpenAlexafffund
Mehdi H. Moghari, Thomas K. Chen, Purang Abolmaesumi

Notice bibliographique

RevueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIE · 2007
Typearticle
Langueen
DomaineEngineering
ThématiqueRobotics and Sensor-Based Localization
Établissements canadiensQueen's University
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésPixelComputer visionArtificial intelligenceComputer scienceCalibrationImaging phantomTransformation (genetics)Kalman filterResidualMean squared errorProcess (computing)MathematicsAlgorithmOpticsPhysicsStatistics

Résumé

récupéré en direct d'OpenAlex

Three-dimensional, freehand ultrasound is an imaging technique that has seen increasing applications in computer assisted surgery. A key element of this technique is image calibration, in order to estimate a three-dimensional homogeneous transformation that maps the position of individual pixels from the ultrasound image coordinate to the ultrasound probe coordinate frames. The transformation is typically calculated through imaging a calibration phantom of known geometry, and solving for the transformation parameters (either in closed-form or iteratively). The calibration error achieved through this process is usually assumed to be constant for all the pixels in the image. In this paper, we propose a novel method to estimate the calibration accuracy for individual pixels within an ultrasound image by employing the Unscented Kalman Filter (UKF). Based on the variances of calibration parameters extracted by UKF, a mean square residual error is estimated for each individual pixel in the ultrasound image. We demonstrate that the calibration error could in fact significantly vary for different pixels in the image. This observation could potentially impact the image registration process in computer assisted surgery applications. The method has been validated through simulations and experiments.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,018
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,227
Écart entre enseignants0,217 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIEMême sujetRobotics and Sensor-Based LocalizationTravaux en français237 207