Automatic Detection and Measurement of Spinous Process Curve on Clinical Ultrasound Spine Images
Notice bibliographique
Résumé
The ultrasound (US) imaging technique has been applied to scoliosis assessment, and the proxy Cobb angle can be acquired on the US coronal images. The spinous process angle (SPA) is a valuable parameter to indicate 3-D deformity of spine. However, the SPA cannot be measured on US images since the spinous process (SP) is merged in the soft tissue layer and impossible to be identified on the coronal view directly. A new method based on the gradient vector flow (GVF) snake model was proposed to automatically locate SP position on the US transverse images, and the density-based spatial clustering of application with noise (DBSCAN) was used to remove the outliers out of the detected location results. With marking the SP points on the US coronal image, the SP curve was interpolated and the SPA was measured. The algorithm was evaluated on 50 subjects with various severity of scoliosis, and two raters measured the SPA on both US images and radiographs manually. The mean absolute differences (MADs) of SPAs obtained from the two modalities were 3.4° ± 2.4° and 3.6° ± 2.8° for the two raters, respectively, which were less than the clinical acceptance error (5°), and the results reported a good linear correlation ( ) between the US method and radiography. It indicates that the proposed method can be a promising approach for SPA measurement using the US imaging technique.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».