“Instant 3D” Angiography: Novel Technique for Rapid Conversion of 2D Angiograms into 3D Stereoscopic Videos
Notice bibliographique
Résumé
BACKGROUND: Rotational angiography, often referred to as a "spin", is typically presented in 2D. Since rotational angiograms are composed of images acquired from multiple angles, we took advantage of this property to develop a method for converting any rotational angiogram into a 3 dimensional (3D) video. METHODS: Our aim was to develop a low cost and easily distributable solution without requiring additional hardware or altering acquisition techniques. Six previously acquired rotational angiograms from our institution were imported using custom-written code and exported as anaglyph (red-cyan) videos. RESULTS: The resulting 3D videos convey anatomical depth that is not apparent from viewing the 2D images alone. Processing time was 1.3 ± 0.6 s (mean ± SD) per angiogram. The only associated cost was $10 for red-cyan 3D glasses. Using our software, any rotational angiogram with at least 0.3 frames per degree of rotation can be converted into 3D. CONCLUSIONS: Our solution is an inexpensive and rapid method for generating stereoscopic videos from existing angiograms. It does not require any additional hardware and is readily deployable in low-resource settings. Because the videos are in anaglyph format, they are viewable on any 2 dimensional (2D) display in the interventional suite or operating room, on a mobile device, or at home.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,010 | 0,003 |
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.
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 ».