MétaCan
Menu
Retour à la cohorte
Enregistrement W2088293892 · doi:10.1109/iembs.2011.6092094

Constrained Bayesian streak artifact reduction approach for contrast enhanced computed tomography imaging of the intervertebral disc

2011· article· en· W2088293892 sur OpenAlexaff
Andrew K. C. Wong

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced X-ray and CT Imaging
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésStreakArtifact (error)Reduction (mathematics)Computer scienceArtificial intelligenceComputer visionBayesian probabilityContrast (vision)Projection (relational algebra)VisualizationMathematicsAlgorithmPhysicsOpticsGeometry

Résumé

récupéré en direct d'OpenAlex

A promising approach for the study of progressive herniation damage of the intervertebral discs under flexion/extension motions as well as compressive loads is the use of contrast-enhanced computed tomography (CECT). One of the biggest limitations of using CECT is the presence of significant streak artifacts in the acquired tomograms, due primarily to the contrast agent injected into the intervertebral disc. To address this issue, a novel constrained Bayesian approach to streak artifact reduction in CECT imagery is introduced in this paper. The problem of artifact reduction is formulated as a constrained Bayesian estimation problem in projection space, and a non-parametric Parzen window estimation approach is employed to estimate the underlying posterior distributions. Experimental results show that the proposed approach provides significant artifact reduction while preserving the intervertebral disc regions to allow for clear visualization of progressive intervertebral disc damage.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,931
Score d'incertitude au seuil0,486

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,010
Tête enseignante GPT0,202
Écart entre enseignants0,192 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced X-ray and CT ImagingTravaux en français237 207