MétaCan
Menu
Retour à la cohorte
Enregistrement W2088099880 · doi:10.1117/12.2043092

A statistical shape+pose model for segmentation of wrist CT images

2014· article· en· W2088099880 sur OpenAlexaff
Emran Mohammad Abu Anas, Abtin Rasoulian, Paul John, David R. Pichora, Robert Rohling, Purang Abolmaesumi

Notice bibliographique

RevueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIE · 2014
Typearticle
Langueen
DomaineMathematics
ThématiqueMorphological variations and asymmetry
Établissements canadiensKingston General HospitalUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésArtificial intelligenceComputer scienceSegmentationPrincipal component analysisWristComputer visionActive shape modelKinematicsPopulationCarpal bonesPattern recognition (psychology)Image segmentationStatistical modelMedicineAnatomy

Résumé

récupéré en direct d'OpenAlex

In recent years, there has been significant interest to develop a model of the wrist joint that can capture the statistics of shape and pose variations in a patient population. Such a model could have several clinical applications such as bone segmentation, kinematic analysis and prosthesis development. In this paper, we present a novel statistical model of the wrist joint based on the analysis of shape and pose variations of carpal bones across a group of subjects. The carpal bones are jointly aligned using a group-wise Gaussian Mixture Model registration technique, where principal component analysis is used to determine the mean shape and the main modes of its variations. The pose statistics are determined by using principal geodesics analysis, where statistics of similarity transformations between individual subjects and the mean shape are computed in a linear tangent space. We also demonstrate an application of the model for segmentation of wrist CT images.

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)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,794
Score d'incertitude au seuil0,854

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,023
Tête enseignante GPT0,272
Écart entre enseignants0,249 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations8
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIEMême sujetMorphological variations and asymmetryTravaux en français237 207