MétaCan
Menu
Retour à la cohorte
Enregistrement W2169160934 · doi:10.1109/icbbe.2009.5162937

Improved T-Snake Model Based Edge Detection of the Coronary Arterial Walls in Intravascular Ultrasound Images

2009· article· en· W2169160934 sur OpenAlexaff
Fengrong Sun, Ze Liu, Yanling Li, Paul Babyn, Guihua Yao, Yun Zhang

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueMedical Image Segmentation Techniques
Établissements canadiensHospital for Sick Children
Organismes subventionnairesnon disponible
Mots-clésIntravascular ultrasoundSpeckle noiseArtificial intelligenceComputer scienceComputer visionIntersection (aeronautics)Speckle patternEnhanced Data Rates for GSM EvolutionPattern recognition (psychology)RadiologyMedicineEngineering

Résumé

récupéré en direct d'OpenAlex

Accurately detecting edges of the coronary arterial walls in intravascular ultrasound (IVUS) images plays an important role in quantitative assessments of the coronary artery diseases, though it may be a challenge to medical image analysis. This paper presented a method to extract the edges, main characteristics of which were summarized as: 1) The method was based on an improved topologically adaptable snake model (T- Snake model). This proposed T-Snake model could successfully address the significant problem of conventional T-Snakes when dealing with the model self-intersection. 2) The method worked in conjunction with an adaptive homomorphic spatial/temporal filtering technique. This proposed filtering technique was capable of effectively reducing the strong blood speckle noise in IVUS images. The experimental results indicated the proposed method was accurate and robust in detecting edges of the coronary arterial walls in IVUS images, as well as reproducible for sequential IVUS frames.

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: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,837
Score d'incertitude au seuil0,292

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 savante0,0000,000
Science ouverte0,0010,000
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 Opus0,008
Tête enseignante GPT0,238
Écart entre enseignants0,230 · 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

Citations9
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMedical Image Segmentation TechniquesTravaux en français237 207