Vollautomatische Segmentierung abdomineller CT-Angiographien – Technik und Evaluation
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
Ziele: Ziel der Studie war es, ein Computerprogramm zu entwickeln und zu evaluieren, welches vollautomatisch, ohne jegliche Nutzerinteraktion, sämtliche knöchernen Strukturen aus abdominellen CT-Angiographien (CTA) entfernt und rotierende Maximum-Intensitätsprojektionen (MIP) zur Befundung und Demonstration erstellt. Methode: Das im Rahmen der Studie entwickelte Programm boneRemover erkennt automatisch knöcherne Strukturen in CTA-Datensätzen. Es entfernt diese Strukturen und erstellt rotierende MIPs. 30 aufeinanderfolgende abdominelle CTA-Untersuchungen wurden retrospektiv von drei Befundern bewertet. Im ersten Durchgang wurden mit einer modernen 3D-Workstation (Vitrea 3.7, Vital Images) semiautomatisch die Knochen segmentiert und standardisierte MIP-Rekonstruktionen angefertigt. Im zweiten Durchgang wurden die automatisch vom boneRemover erstellten Bilder analzsiert. In beiden Durchgängen wurde in definierten arteriellen Segmenten die Darstellungsqualität sowie die benötigte Zeit für die Nachverarbeitung und die Befundung der Bilder erfasst. Die Studie wurde von der Ethikkommission genehmigt. Ergebnis: Die manuelle Segmentierung konnte erfolgreich in 27 der 30 Datesätze (90%) durchgeführt werden. 24 (80%) der Fälle konnten erfolgreich vollautomatisch segmentiert werden. Die mittlere Darstellungsqualität der automatisch segmentierten Gefäße war höher als die der manuell segmentierten Gefäße (3,6 vs. 3,4; p<0,05). Die mediane Nachverarbeitungs- und Befundungszeit wurde durch den boneRemover von 9 auf 4min reduziert. Schlussfolgerung: Vollautomatische Segmentierung des Knochens ist mit dem beschriebenen Verfahren in der überwiegenden Anzahl der Fälle möglich und reduziert die Befundungszeit des Radiologen um 5min. Der Einsatz des boneRemovers spart so wertvolle Befundungszeit und produziert angiographieähnliche Bilder in diagnostischer Qualität.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.000 |
| Meta-epidemiology (narrow) | 0.002 | 0.003 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.002 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.002 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it