MétaCan
Menu
Retour à la cohorte
Enregistrement W2087350728 · doi:10.1118/1.2030995

Po‐Poster ‐ 16: Correcting geometric distortion of EPID images

2005· article· en· W2087350728 sur OpenAlexaff
zhuomiao gao, L Gerig, J. Szántó

Notice bibliographique

RevueMedical Physics · 2005
Typearticle
Langueen
DomaineComputer Science
ThématiqueMedical Image Segmentation Techniques
Établissements canadiensOttawa Regional Cancer FoundationCarleton University
Organismes subventionnairesnon disponible
Mots-clésDistortion (music)Geometric transformationComputer visionArtificial intelligenceCentroidImage planeAffine transformationMathematicsComputer scienceImage (mathematics)Geometry

Résumé

récupéré en direct d'OpenAlex

The use of Camera based Electronic Portal Image Devices (EPIDs) for online patient positioning is limited by their performance characteristics including image quality, mechanic stability and both geometric and intensity distortion. Geometric distortion of the EPID images arises in the imaging chain from lens or mirror distortions or from misalignment of the mirror. Correcting this geometric distortion requires mapping the EPID images into flat Cartesian space. In this work, we describe a simple method to measure this image distortion and to develop the appropriate image‐to‐physical space transforms using the properties of the MLC. An well characterized geometric pattern is created in the image plane by the superposition of two images. The individual images are created having every second MLC leaf pair fully closed while the adjacent pair is fully open. A second image is produced using exactly the same leaf configuration, but with the collimator rotated 90 degrees. The composite image is the sum of the two images and produces a well‐defined geometric pattern. A threshold function is applied to the composite image to produce a binary grid and the centroid of each dark/light square was determined. An affine transformation matrix is then generated to map the image of grid back to the virtual grid (physical space), thus correcting the spatial distortion. The mapping function was tested at various gantry angles and demonstrated to be robust.

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

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gemmaaucune catégorie
Domaine: non disponible · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Expérimental (laboratoire)low
gptaucune catégorie
Domaine: non disponible · Genre: Méthodes
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Autre devislow
modèles en désaccordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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 Opus0,017
Tête enseignante GPT0,294
Écart entre enseignants0,277 · 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

Étiqueté directement par 2 modèles lisant le dossier complet.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.

Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.

Devis d'étudeExpérimental (laboratoire) · Autre devis
Domainenon disponible
GenreEmpirique · Méthodes

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
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedical PhysicsMême sujetMedical Image Segmentation TechniquesTravaux en français237 207