MétaCan
Menu
Retour à la cohorte
Enregistrement W2537371119 · doi:10.1109/tic-sth.2009.5444517

Deformable modeling of human liver with contact surface

2009· article· en· W2537371119 sur OpenAlexafffund
Adil Al‐Mayah, Joanne Moseley, Kristy K. Brock

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueMedical Image Segmentation Techniques
Établissements canadiensPrincess Margaret Cancer Centre
Organismes subventionnairesTerry Fox FoundationNational Cancer InstituteCancer Care OntarioFoundation for the National Institutes of Health
Mots-clésDisplacement (psychology)Surface (topology)Body surfaceBreathingFinite element methodSpleenBiomedical engineeringMaterials scienceAnatomyComputer visionMedicinePhysicsComputer scienceGeometryMathematicsInternal medicine

Résumé

récupéré en direct d'OpenAlex

Patient specific 3D finite element models have been developed using 4DCT (3D + time) image data for 5 liver cancer patients. Each model consists of the liver, tumors, left and right kidneys, stomach, spleen and body. Breathing motion of the liver, spleen and body is found and applied as displacement boundary conditions in the model. Sliding of the liver relative to the surrounding tissues is modeled using frictionless contact surfaces. Landmarks representing vessels bifurcation inside the liver are used for the model accuracy test. The goal of the study is to examine the effect of contact surface model on the performance of the deformable image registration of the liver. The accuracy of the model is improved by applying contact surface. Substantial displacement differences are observed between models with and without contact surface of the liver. The largest difference is in the Superior-Inferior (SI) followed by Anterior-Posterior (AP).

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,715
Score d'incertitude au seuil0,155

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 Opus0,024
Tête enseignante GPT0,277
Écart entre enseignants0,253 · 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'étudeSimulation ou modélisation
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

Citations6
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetMedical Image Segmentation TechniquesTravaux en français237 207