Three-Dimensional Biplanar Reconstruction of Scoliotic Rib Cage Using the Estimation of a Mixture of Probabilistic Prior Models
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In this paper, we present an original method for the three-dimensional (3-D) reconstruction of the scoliotic rib cage from a planar and a conventional pair of calibrated radiographic images (postero-anterior with normal incidence and lateral). To this end, we first present a robust method for estimating the model parameters in a mixture of probabilistic principal component analyzers (PPCA). This method is based on the stochastic expectation maximization (SEM) algorithm. Parameters of this mixture model are used to constrain the 3-D biplanar reconstruction problem of scoliotic rib cage. More precisely, the proposed PPCA mixture model is exploited for dimensionality reduction and to obtain a set of probabilistic prior models associated with each detected class of pathological deformations observed on a representative training scoliotic rib cage population. By using an appropriate likelihood, for each considered class-conditional prior model, the proposed 3-D reconstruction is stated as an energy function minimization problem, which is solved with an exploration/selection algorithm. The optimal 3-D reconstruction then corresponds to the class of deformation and parameters leading to the minimal energy. This 3-D method of reconstruction has been successfully tested and validated on a database of 20 pairs of biplanar radiographic images of scoliotic patients, yielding very promising results. As an alternative to computed tomography-scan 3-D reconstruction this scheme has the advantage of low radiation for the patient, and may also be used for diagnosis and evaluation of deformity of a scoliotic rib cage. The proposed method remains sufficiently general to be applied to other reconstruction problems for which a database of objects to be reconstructed is available (with two or more radiographic views).
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.
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 | 0,001 |
| 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 découle