MétaCan
Menu
Retour à la cohorte
Enregistrement W2054490650 · doi:10.1109/ultsym.2007.566

P5C-4 Image Guidance Using Camera and Ultrasound Images

2007· article· en· W2054490650 sur OpenAlexaff
Sara Khosravi, Robert Rohling, Peter Lawrence

Notice bibliographique

RevueProceedings/Proceedings - IEEE Ultrasonics Symposium · 2007
Typearticle
Langueen
DomaineEngineering
ThématiqueSoft Robotics and Applications
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésComputer visionArtificial intelligenceOrientation (vector space)Computer scienceUltrasoundVolume (thermodynamics)Position (finance)Tracking (education)Trajectory3D ultrasoundMathematicsMedicineRadiologyPhysics

Résumé

récupéré en direct d'OpenAlex

Previous work of estimating needle trajectories using un-calibrated camera-based tracking ("touchless" needle guide) is extended here to real ultrasound imaging. Using 4D ultrasound, this technique can be used as a needle guide during percutaneous procedures. A pair of miniature cameras captures images and the ultrasound system captures a volume as the needle moves through the workspace. The 2D position and orientation of the needle is calculated from the camera images and the 3D position of the needle is estimated from the ultrasound volume. A database is created from these values and a non-parametric learning algorithm determines the best model to the data. Then, in practice, the model can be used to estimate the projected needle trajectory within the ultrasound volume with only camera images of the needle above the skin surface. This study achieved an average error of 0.94 mm in position and 3.93deg in orientation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

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

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 Opus0,009
Tête enseignante GPT0,234
Écart entre enseignants0,225 · 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 tête enseignante, pas un consensus.

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

Citations0
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings/Proceedings - IEEE Ultrasonics SymposiumMême sujetSoft Robotics and ApplicationsTravaux en français237 207