MétaCan
Menu
Retour à la cohorte
Enregistrement W2043678302 · doi:10.1117/12.770509

A buyer's guide to electromagnetic tracking systems for clinical applications

2008· article· en· W2043678302 sur OpenAlexaboutno aff
Emmanuel Wilson, Ziv Yaniv, David Lindisch, Kevin Cleary

Notice bibliographique

RevueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIE · 2008
Typearticle
Langueen
DomaineComputer Science
ThématiqueAugmented Reality Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésUSableRobustness (evolution)Computer scienceTracking systemTracking (education)Field (mathematics)Unexploded ordnanceReal-time computingArtificial intelligenceMultimediaRemote sensing

Résumé

récupéré en direct d'OpenAlex

When choosing an Electromagnetic Tracking System (EMTS) for image-guided procedures, it is desirable for the system to be usable for different procedures and environments. Several factors influence this choice. To date, the only factors that have been studied extensively, are the accuracy and the susceptibility of electromagnetic tracking systems to distortions caused by ferromagnetic materials. In this paper we provide a holistic overview of the factors that should be taken into account when choosing an EMTS. These factors include: the system's refresh rate, the number of sensors that need to be tracked, the size of the navigated region, system interaction with the environment, can the sensors be embedded into the tools and provide the desired transformation data, and tracking accuracy and robustness. We evaluate the Aurora EMTS (Northern Digital Inc., Waterloo, Ontario, Canada) and the 3D Guidance EMTS with the flat-panel and the short-range field generators (Ascension Technology Corp., Burlington, Vermont, USA) in three clinical environments. We show that these systems are applicable to specific procedures or in specific environments, but that, no single system is currently optimal for all environments and procedures we evaluated.

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)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,262
Score d'incertitude au seuil0,877

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,010
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0050,003
Études des sciences et des technologies0,0010,001
Communication savante0,0020,004
Science ouverte0,0030,003
Intégrité de la recherche0,0040,005
Charge utile insuffisante (le modèle a refusé de juger)0,2620,277

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 Opus0,025
Tête enseignante GPT0,289
Écart entre enseignants0,264 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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

En bref

Citations14
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIEMême sujetAugmented Reality ApplicationsTravaux en français237 207