Geometrical accuracy and fusion of multimodal vascular images: A phantom study
Notice bibliographique
Résumé
The aim of this work was to compare the geometrical accuracy of x-ray angiography, magnetic resonance imaging (MRI), x-ray computed tomography (XCT), and ultrasound imaging (B-mode and IVUS, or intravascular ultrasound) for measuring the lumen diameters of blood vessels. An image fusion method was also developed to improve these measurements. The images were acquired from a phantom that mimic vessels of known diameters. After acquisition, the multimodal images were coregistered by manual alignment of fiducial markers, and then by maximization of mutual information. The fusion method was performed by means of a fuzzy logic modeling approach followed by a combination process based on a possibilistic theory. The results showed (i) the better geometrical accuracy of XCT and IVUS compared to the other modalities, and (ii) the better accuracy and smaller variability of fused images compared to single modalities, with respect to most diameters investigated. For XCT, the error varied from 0.4% to 5.4%, depending on the vessel diameter that ranged from 0.93 to 6.24 mm. For IVUS, the error ranged from -0.3% to 1.7% but the smallest vessel (0.93 mm) could not be investigated because of the probe size. Compared to others fusion schemes, the XCT-MRI fused images provided the best results for both accuracy (from -1.6% to 0.2% for the three largest vessels) and robustness (mean relative error of 1.9%). To conclude, this work underlined both the usefulness of the multimodality vascular phantom as a validation tool and the utility of image fusion in the vascular context.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».