MétaCan
Menu
Retour à la cohorte
Enregistrement W2790573335

Deriving the Algebraic Reconstruction Technique (ART) by the Method of Projections onto Convex Sets (POCS)

2005· article· en· W2790573335 sur OpenAlexaff
G.E. Mailloux, R. Lemieux

Notice bibliographique

RevueCMBES Proceedings · 2005
Typearticle
Langueen
DomaineMedicine
ThématiqueMedical Imaging Techniques and Applications
Établissements canadiensHôpital du Sacré-Cœur de Montréal
Organismes subventionnairesnon disponible
Mots-clésUnderdetermined systemOverdetermined systemIntersection (aeronautics)Projection (relational algebra)MathematicsRegular polygonConstraint (computer-aided design)Algebraic numberImage (mathematics)System of linear equationsAlgorithmApplied mathematicsMathematical analysisComputer scienceGeometryArtificial intelligence
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

To solve the reconstruction problem iteratively, the image is defined by the vector X and the projections, obtained in N views, by the vector Y. The weights of each pixel j in projections i are entered in matrix A. The image can thus be related to its projection by: Y =A X This equation can be more conveniently written as: y =xa i jij j ∑ for each i. In computerized tomography this system of linear equations is huge and usually underdetermined (128*128 unknowns for 128*64 equations per slice is typical), so it has many solutions X. A popular method to solve it is ART. The most important contribution of this paper is to have demonstrated that ART can be derived by POCS by considering each linear equation as a convex set. Since ART is POCS, additional convex constraints or a priori knowledge can be introduced in order to reduce the solution space. The constraints we have used are the positivity constraint and the support constraint (the image is zero outside a prescribed region). Since POCS converges to the point belonging to the intersection of all the convex sets which is the closest to the initial solution, the choice of the latter is also of importance. The performance of this method will be illustrated with numerical and physical phantoms and on cardiac patients. It will also be compared to other methods (MART, SIRT, MLEM and OSEM).

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,438
Score d'incertitude au seuil0,324

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 ouverte0,0000,000
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 Opus0,018
Tête enseignante GPT0,325
Écart entre enseignants0,307 · 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
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

Citations0
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCMBES ProceedingsMême sujetMedical Imaging Techniques and ApplicationsTravaux en français237 207