Automated registration and stitching of multiple 3D ultrasound images for monitoring neonatal intraventricular hemorrhage
Notice bibliographique
Résumé
Dilatation of the cerebral ventricles is a common condition in preterm neonates with intraventricular hemorrhage (IVH). Post Hemorrhagic Ventricular Dilatation (PHVD) can lead to lifelong neurological impairment caused by ischemic injury due to increased intracranial pressure, and without treatment can lead to death. Previously, we have developed and validated a 3D ultrasound (US) system to monitor the progression of ventricle volumes (VV) in IVH patients; however, many patients with severe PHVD have ventricles so large they cannot be imaged within a single 3D US image. This limits the utility of atlas based segmentation algorithms required to measure VV as parts of the ventricles are in separate 3D US images, and thus, an already challenging segmentation becomes increasingly difficult to solve. Without a more automated segmentation, the clinical utility of 3D US ventricle volumes cannot be fully realized due to the large number of images and patients required to validate the technique in a clinical trials. Here, we describe the initial results of an automated ‘stitching’ algorithm used to register and combine multiple 3D US images of the ventricles of patients with PHVD. Our registration results show that we were able to register these images with an average target registration error (TRE) of 4.25±1.95 mm.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 ».