MétaCan
Menu
Retour à la cohorte
Enregistrement W2582554538 · doi:10.1016/j.medengphy.2017.01.004

A novel fully automatic measurement of apparent breast volume from trunk surface mesh

2017· article· en· W2582554538 sur OpenAlexaff
Lama Séoud, Joyce Ramsay, Stefan Parent, Farida Chériet

Notice bibliographique

RevueMedical Engineering & Physics · 2017
Typearticle
Langueen
DomaineComputer Science
ThématiqueAI in cancer detection
Établissements canadiensUniversité de MontréalPolytechnique MontréalCentre Hospitalier Universitaire Sainte-JustineNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésVoxelTrunkComputer scienceArtificial intelligenceSegmentationTorsoInterpolation (computer graphics)CurvatureVolume (thermodynamics)Position (finance)Computer visionMathematicsAnatomyMedicineGeometryPhysicsImage (mathematics)

Résumé

récupéré en direct d'OpenAlex

This paper presents a novel method for assessing apparent breast volume from trunk surface mesh without any manual intervention. The proposed method requires a closed and smooth triangular mesh of the trunk. It comprises four main steps: automatic nipple localization, automatic breasts delineation, chest-wall interpolation and volume computation. The mean curvature is computed for each vertex using a quadratic fitting approach and used as an indicator to determine the convex fold of the breasts. The delineation is modeled as an ellipse in the frontal plane and all the vertices inside it are removed. The remaining ones are used to interpolate the chest wall with radial basis functions. The voxels inside the resulting mesh without breasts are then subtracted from the original voxelized volume to generate the breasts volume. The validation is conducted on 30 adolescent female for each of which an MRI and a trunk surface (TS) acquisitions were available. Three breast volumes are considered: the anatomical volumes (AV) manually segmented on the MRI, the external volumes computed with the proposed method first in prone position (EVP) using the trunk mesh extracted from the MRI, and second, in standing position (EVS) using the TS's mesh. Significant correlations (R> 0.77) are found between each two of the three volumes. AVs are much larger than both EVS and EPS. In fact, the manual segmentation using MRI slices allows for a direct visualization of the breast posterior delineation. Computed automatically, EVS and EPS are highly similar, indicating that the proposed method is robust to changes from prone to standing position. No significant difference between the regressions on the left and right breasts is noted. Fully-automatic 3D breast volumetry from trunk surface mesh is feasible and provides measurements that are highly correlated to manual MRI volumetry and robust to changes in posture.

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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,944
Score d'incertitude au seuil0,681

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 Opus0,017
Tête enseignante GPT0,221
Écart entre enseignants0,204 · 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
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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedical Engineering & PhysicsMême sujetAI in cancer detectionTravaux en français237 207