Segmentation of carotid artery in ultrasound images: Method development and evaluation technique
Notice bibliographique
Résumé
Segmentation of carotid artery lumen in two-dimensional and three-dimensional ultrasonography is an important step in computerized evaluation of arterial disease severity and in finding vulnerable atherosclerotic plaques susceptible to rupture causing stroke. Because of the complexity of anatomical structures, noise as well as the requirement of accurate segmentation, interactions are necessary between observers and the computer segmentation process. In this paper a segmentation process is described based on the deformable model method with only one seed point to guide the initialization of the deformable model for each lumen cross section. With one seed, the initial contour of the deformable model is generated using the entropy map of the original image and mathematical morphology operations. The deformable model is driven to fit the lumen contour by an internal force and an external force that are calculated, respectively, with geometrical properties of deformed contour and with the image gray level features. The evaluation methodology using distance-based and area-based metrics is introduced in this paper. A contour probability distribution (CPD) method for calculating distance-based metrics is introduced. The CPD is obtained by generating contours of the lumen using a set of possible seed locations. The mean contour can be compared to a manual outlined contour to provide accuracy metrics. The variance computed from the CPD can provide metrics of local and global variability. These metrics provide a complete performance evaluation of an interactive segmentation algorithm and a means for comparing different algorithm settings.
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 | 0,011 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».