Seed localization in Ultrasound and Registration to C-Arm Fluoroscopy Using Matched Needle Tracks for Prostate Brachytherapy
Notice bibliographique
Résumé
We propose a novel fiducial-free approach for the registration of C-arm fluoroscopy to 3-D ultrasound images of prostate brachytherapy implants to enable dosimetry. The approach involves the reliable detection of a subset of radioactive seeds from 3-D ultrasound, and the use of needle tracks in both ultrasound and fluoroscopy for registration. Seed detection in ultrasound is achieved through template matching in 3-D radio frequency ultrasound signals, followed by thresholding and spatial filtering. The resulting subset of seeds is registered to the complete reconstruction of the brachytherapy implant from multiple C-arm fluoroscopy views. To compensate for the deformation caused by the ultrasound probe, simulated warping is applied to the seed cloud from fluoroscopy. The magnitude of the applied warping is optimized within the registration process. The registration is performed in two stages. First, the needle track projections from fluoroscopy and ultrasound are matched. Only the seeds in the matched needles are then used as fiducials for point-based registration. We report results from a physical phantom with a realistic implant (average postregistration seed distance of 1.6 ± 1.2 mm) and from five clinical patient datasets (average error: 2.8 ± 1.5 mm over 128 detected seeds). We conclude that it is feasible to use RF ultrasound data, template matching, and spatial filtering to detect a reliable subset of brachytherapy seeds from ultrasound to enable registration to fluoroscopy for dosimetry.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».