MétaCan
Menu
Retour à la cohorte
Enregistrement W2103977486 · doi:10.1109/tbme.2012.2189392

US–Fluoroscopy Registration for Transcatheter Aortic Valve Implantation

2012· article· en· W2103977486 sur OpenAlexafffund
Pencilla Lang, Petar Seslija, Michael Chu, Daniel Bainbridge, G Guiraudon, Douglas L. Jones, Terry M. Peters

Notice bibliographique

RevueIEEE Transactions on Biomedical Engineering · 2012
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiac Valve Diseases and Treatments
Établissements canadiensLondon Health Sciences CentreRobarts Clinical TrialsWestern University
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésFluoroscopyImage registrationRobustness (evolution)Fiducial markerMedicineComputer visionComputer scienceAortic valveRadiologyArtificial intelligenceSurgery

Résumé

récupéré en direct d'OpenAlex

Transcatheter aortic valve implantation is a minimally invasive alternative to open-heart surgery for aortic stenosis in which a stent-based bioprosthetic valve is delivered into the heart on a catheter. Limited visualization during this procedure can lead to severe complications. Improved visualization can be provided by live registration of transesophageal echo (TEE) and fluoroscopy images intraoperatively. Since the TEE probe is always visible in the fluoroscopy image, it is possible to track it using fiducial-based single-perspective pose estimation. In this study, inherent probe tracking performance was assessed, and TEE to fluoroscopy registration accuracy and robustness were evaluated. Results demonstrated probe tracking errors of below 0.6 mm and 0.2°, a 2-D RMS registration error of 1.5 mm, and a tracking failure rate of below 1%. In addition to providing live registration and better accuracy and robustness compared to existing TEE probe tracking methods, this system is designed to be suitable for clinical use. It is fully automatic, requires no additional operating room hardware, does not require intraoperative calibration, maintains existing procedure and imaging workflow without modification, and can be implemented in all cardiac centers at extremely low cost.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,677
Score d'incertitude au seuil0,550

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 ouverte0,0000,000
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 Opus0,014
Tête enseignante GPT0,311
Écart entre enseignants0,297 · 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
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

Citations39
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Biomedical EngineeringMême sujetCardiac Valve Diseases and TreatmentsTravaux en français237 207