Evaluation of a Coherent Point Drift Algorithm for Breast Image Registration via Surface Markers
Notice bibliographique
Résumé
Breast Magnetic Resonance Imaging (MRI) is a reliable imagingtool for localization and evaluation of lesions prior to breast conservingsurgery (BCS). MR images typically will be used to determinethe size and location of the tumours before making the incisionin order to minimize the amount of tissue excised.The arm position and configuration of the breast during andprior to surgery are different and one question is whether it wouldbe possible to match the two configurations. This matching processcan potentially be used in development of tools to guide surgeonsin the incision process.Recently, a Thin-Plate-Spline (TPS) algorithm has been proposedto assess the feasibility of breast tissue matching using fiducialsurface markers in two different arm positions. The registrationalgorithm uses the surface markers only and does not employ theimage intensities.In this manuscript, we apply and evaluate a coherent point drift(CPD) algorithm for registration of three-dimensional breast MR imagesof six patient volunteers. In particular, we evaluate the resultsof the previous TPS registration technique to the proposed rigidCPD, affine CPD, and deformable CPD registration algorithms onthe same patient datasets.The preliminary results suggest that the CPD deformable registrationalgorithm is superior in correcting the motion of the breastcompared to CPD rigid, affine and TPS registration algorithms.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».