Personalized X-Ray 3-D Reconstruction of the Scoliotic Spine From Hybrid Statistical and Image-Based Models
Notice bibliographique
Résumé
This paper presents a novel 3-D reconstruction method of the scoliotic spine using prior vertebra models with image-based information taken from biplanar X-ray images. We first propose a global modeling approach by exploiting the 3-D scoliotic curve reconstructed from a coronal and sagittal X-ray image in order to generate an approximate statistical model from a 3-D database of scoliotic patients based on a transformation algorithm which incorporates intuitive geometrical properties. The personalized 3-D reconstruction of the spine is then achieved with a novel segmentation method which takes into account the variable appearance of scoliotic vertebrae (rotation, wedging) from standard quality images in order to segment and isolate individual vertebrae on the radiographic planes. More specifically, it uses prior 3-D models regulated from 2-D image level set functionals to identify and match corresponding bone structures on the biplanar X-rays. An iterative optimization procedure integrating similarity measures such as deformable vertebral contours regulated from high-level anatomical primitives, morphological knowledge and epipolar constraints is then applied to globally refine the 3-D anatomical landmarks on each vertebra level of the spine. This method was validated on twenty scoliotic patients by comparing results to a standard manual approach. The qualitative evaluation of the retro-projection of the vertebral contours confirms that the proposed method can achieve better consistency to the X-ray image's natural content. A comparison to synthetic models and real patient data also yields good accuracy on the localization of low-level primitives such as anatomical landmarks identified by an expert on each vertebra. The experiments reported in this paper demonstrate that the proposed method offers a better matching accuracy on a set of landmarks from biplanar views when compared to a manual technique for each evaluated cases, and its precision is comparable to 3-D models generated from magnetic resonance images, thus suitable for routine 3-D clinical assessment of spinal deformities.
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 ».