MO‐E‐330A‐02: Automated Prostate Contour Drawing On Post‐Implant CT Images Based On Ultrasound Volume and Seeds Positions
Notice bibliographique
Résumé
Purpose: It is difficult to locate precisely the prostate on CT images. We propose an automated contouring help method based on data acquired during intra‐operative brachytherapy procedure. The algorithm uses ultrasound volume and seeds positions to draw a preliminary contour on CT image. Method and Materials: The data acquired during the clinical protocol are the intra‐operative ultrasound volume and the seeds positions based on the detected needle insertion, and the seed positions and the CT images thirty days post‐implant. In the first step the US volume and seed cloud are matched. For each z position of a clinical CT image, the US contour and seeds are extracted. The seeds positions are automatically detected on CT image and are used to calculate a transformation matrix to translate the seeds positions from day 0 to 30. The contours are reshaped using active contour. The reshaping process begins with the center slice and progress on both sides. The active contours are initialize with an expanded US volume. Implementation (results): There are no parameters to adjust in the first part of the algorithm. In the second part, there are six snakes parameters : continuity, curvature, convergence, gradient contraction minimum and contraction maximum. There is also a parameter controlling the resize factor of the US contours. The preliminary tests are conducted on ten clinical cases. Most of the contours were the final contour. The others needed a small physician action to correct the contours. Conclusion: This algorithm will be a useful tool to help physicians in tedious work to draw prostate contours on CT images. This automated approach presents the physician with intra‐op US volume fused to the 30 days CT exams and proposes a new set of contours based on the morphology of the seed distribution.
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 ».