MétaCan
Menu
← Retour à la cohorte

AN AUTOMATIC ICP-BASED 2D-3D REGISTRATION METHOD FOR A HIGH-SPEED BIPLANAR VIDEORADIOGRAPHY IMAGING SYSTEM

2020· article· en· W3048508754 sur OpenAlexafffund
S. Zhang, Derek D. Lichti, Jessica Küpper, Janet L. Ronsky

Notice bibliographique

Revue˜The œinternational archives of the photogrammetry, remote sensing and spatial information sciences/International archives of the photogrammetry, remote sensing and spatial information sciences · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueTotal Knee Arthroplasty Outcomes
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaAlberta Innovates
Mots-clésInitializationComputer scienceKinematicsImage registrationArtificial intelligenceComputer visionJoint (building)Magnetic resonance imagingProcess (computing)Image (mathematics)RadiologyMedicinePhysicsEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract. High-Speed Biplanar Videoradiography (HSBV) is an X-ray based non-invasive imaging system that can be used to derive dynamic bony translations and rotations. The 2D-3D registration process matches a 3D bone model acquired from magnetic resonance imaging (MRI) or computed tomography (CT) scans with the 2D X-ray image pairs. This study focuses on the registration of MRI data as it can acquire detailed soft tissue contrast that cannot be easily discerned in CT scans. A novel 2D-3D registration method is reported in this paper that is suitable for the MRI-based bone models with high precision and high efficiency. In addition, an automatic initialization procedure with 64 starting poses is established to avoid user intervention in the registration. The method has been tested using the HSBV image sequence of a knee joint during walking. Thirty-five consecutive poses from the sequence were tested for the registration, and 50 non-consecutive poses randomly selected from the sequence were tested for the automatic initialization. The registration precision for each axis was 0.49 to 0.54 mm. For the initialization validation test, 48 over 50 frames were successfully initialized and two failed due to portions of the joint falling outside of the field-of-view of the system. The average time for each initialization is only about 6 min. The improved 2D-3D registration will allow determination of precise 3D kinematic parameters with high efficiency. These kinematic parameters can be used to calculate joint cartilage contact mechanics that provide insight into the mechanical processes and mechanisms of joint degeneration or pathology.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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: Méthodes
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,003

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 GPT0,275
Écart entre enseignants0,258 · 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 source (Gemma direct ou Codex distillé), 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
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revue˜The œinternational archives of the photogrammetry, remote sensing and spatial information sciences/International archives of the photogrammetry, remote sensing and spatial information sciences→Même sujetTotal Knee Arthroplasty Outcomes→Travaux en français237 207→