Enhancing Single-Plane Fluoroscopy: A Self-Calibrating Bundle Adjustment for Distortion Modeling
Notice bibliographique
Résumé
Single-plane fluoroscopy systems with image intensifiers remain commonly employed in a clinical setting. The imagery they capture is vulnerable to several types of geometric distortions introduced by the system's components and their assembly as well as interactions with the local and global magnetic fields. In this study, the application of a self-calibrating bundle adjustment is investigated as a method to correct geometric distortions in single-plane fluoroscopic imaging systems. The resulting calibrated imagery is then applied in the quantitative analysis of diaphragmatic motion and potential diagnostic applications to hemidiaphragm paralysis. The calibrated imagery is further explored and discussed in its potential impact on areas of surgical navigation. This work was accomplished through the application of a controlled experiment with three separate Philips Easy Diagnost R/F Systems. A highly redundant (~2500 to 3500 degrees-of-freedom) and geometrically strong network of 18 to 22 images of a low-cost target field was collected. The target field comprised 121 pre-surveyed tantalum beads embedded on a 25.4 mm × 25.4 mm acrylic base plate. The modeling process resulted in the estimation of five to eight distortion coefficients, depending on the system. The addition of these terms resulted in 83-85% improvement in terms of image point precision (model fit) and 85-95% improvement in 3D object reconstruction accuracy after calibration. This study demonstrates significant potential in enhancing the accuracy and reliability of fluoroscopic imaging, thereby improving the overall quality and effectiveness of medical diagnostics and treatments.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».