MétaCan
Menu
Retour à la cohorte
Enregistrement W2122352893 · doi:10.1109/iembs.2005.1616500

Slice-Based Prostate Segmentation in 3D US Images Using Continuity Constraint

2005· article· en· W2122352893 sur OpenAlexaff
Mingyue Ding, Igor Gyacskov, Xiaping Yuan, Maria Drangova, Aaron Fenster, D.B. Downey

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueMedical Image Segmentation Techniques
Établissements canadiensWestern UniversityArtificial Intelligence in Medicine (Canada)Robarts Clinical Trials
Organismes subventionnairesnon disponible
Mots-clésConstraint (computer-aided design)Computer scienceSegmentationComputer visionArtificial intelligenceImage segmentationProstatePattern recognition (psychology)MathematicsMedicine

Résumé

récupéré en direct d'OpenAlex

In the diagnosis and therapy of prostate cancer, it is critical to measure the volume of the prostate and locate its boundary. Three-dimensional transrectal ultrasound (3D TRUS) imaging has been demonstrated to be a useful technique to perform such a task. Due to image speckle as well as low contrast in ultrasound images, segmentation of the prostate in 3D US images is challenging. In this paper, we report on the development of an improved slice-based 3D prostate segmentation method. First, we imposed a continuity constraint for the end points of the prostate boundaries in a cross-sectional plane so that a smooth prostate boundary in 2D is obtained. Then, in each 2D slice, we inserted the end points into the vertex list of the initial contour to obtain a new contour, which forces the evolving contour to be driven to the boundary of the prostate. Evaluation demonstrated that our method could segment the prostate in 3D TRUS images more quickly and accurately.

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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,784
Score d'incertitude au seuil0,441

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 savante0,0000,001
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 Opus0,018
Tête enseignante GPT0,303
Écart entre enseignants0,285 · 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

Citations7
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMedical Image Segmentation TechniquesTravaux en français237 207