MétaCan
Menu
Retour à la cohorte
Enregistrement W2139667893 · doi:10.1123/jab.26.4.526

Bone Alignment Using the Iterative Closest Point Algorithm

2010· article· en· W2139667893 sur OpenAlexafffund
Maarten Beek, C.F. Small, Randy E. Ellis, Richard W. Sellens, David R. Pichora

Notice bibliographique

RevueJournal of Applied Biomechanics · 2010
Typearticle
Langueen
DomaineDentistry
ThématiqueDental Radiography and Imaging
Établissements canadiensQueen's University
Organismes subventionnairesCanadian Institutes of Health ResearchMcKnight Foundation
Mots-clésIterative closest pointPrincipal axis theoremCarpal bonesKinematicsPoint (geometry)Computer scienceAlgorithmPrincipal component analysisIterative methodArtificial intelligenceComputer visionMathematicsWristGeometryAnatomyPoint cloudMedicinePhysics

Résumé

récupéré en direct d'OpenAlex

Computer assisted surgical interventions and research in joint kinematics rely heavily on the accurate registration of three-dimensional bone surface models reconstructed from various imaging technologies. Anomalous results were seen in a kinematic study of carpal bones using a principal axes alignment approach for the registration. The study was repeated using an iterative closest point algorithm, which is more accurate, but also more demanding to apply. The principal axes method showed errors between 0.35 mm and 0.49 mm for the scaphoid, and between 0.40 mm and 1.22 mm for the pisiform. The iterative closest point method produced errors of less than 0.4 mm. These results show that while the principal axes method approached the accuracy of the iterative closest point algorithm in asymmetrical bones, there were more pronounced errors in bones with some symmetry. Principal axes registration for carpal bones should be avoided.

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)0,001
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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,100
Score d'incertitude au seuil0,471

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 recherche0,0000,001
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 Opus0,012
Tête enseignante GPT0,261
Écart entre enseignants0,249 · 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

Citations10
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Applied BiomechanicsMême sujetDental Radiography and ImagingTravaux en français237 207