SlicerCineTrack: An open-source research toolkit for target tracking verification in 3D Slicer
Notice bibliographique
Résumé
Target motion monitoring plays a significant role in several computer-assisted interventions. However, ensuring the reliability of tracking algorithms can be challenging without adequate tools. We introduce SlicerCineTrack, a free open-source research toolkit, designed to provide users with a user-friendly interface for visualizing their target tracking results. SlicerCineTrack was developed as an extension to 3D Slicer. It enables users to visualize target tracking results by sequentially playing back cine medical images, and simultaneously overlaying the target segmentation at the locations indicated by the tracking results. The extension was evaluated by established experts in computer-assisted interventions and image-guided therapy. SlicerCineTrack is available for download from the 3D Slicer extension catalog for stable releases, and its GitHub repository for preview releases. Evaluation results demonstrate SlicerCineTrack’s effectiveness in discriminating between different tracking performances. Moreover, the experts found the extension convenient to use due to its intuitive and user-friendly interface. SlicerCineTrack was found to be effective at verifying the reliability of tracking algorithms. In turn, SlicerCineTrack shows potential for target tracking verification, as well as algorithm validation and refining through parameter tuning. • Open-source toolkit for target tracking verification in 3D Slicer. • Enables visualization of tracking results with cine images and segmentation overlays. • Evaluated by experts; found effective and user-friendly for tracking performance. • Facilitates algorithm validation and refinement. • Extends 3D Slicer functionalities to support cutting-edge research in CAI.
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 | 0,008 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».