Left-Ventricle Segmentation of SPECT Images of Rats
Notice bibliographique
Résumé
Single-photon emission computed tomography (SPECT) imaging of the heart is helpful to quantify the left-ventricular ejection fraction and study myocardial perfusion scans. However, these evaluations require a 3-D segmentation of the left-ventricular wall on each phase of the cardiac cycle. This paper presents a fast and interactive graph cut method for 3-D segmentation of the left ventricle (LV) of rats in SPECT images. The method is carried out in three steps. First, 3-D sampling of the LV cavity is made in a spherical-cylindrical coordinate system. Then, a graph-cut-based energy minimization procedure provides delineation of the myocardium centerline surface. From there, it is possible to outline the epicardial and endocardial boundaries by considering the second statistical moment of the SPECT images. An important aspect of our method is to always produce anatomically coherent U-shape results. It also relies on only two intuitive parameters regulating the smoothness and the thickness of the segmentation result. Results show not only that our method is statistically as accurate as human experts, but it is one order of magnitude faster than a state-of-the-art method with a processing time of at most 2 s on a 4-D cardiac image after having determined the LV orientation.
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 ».