Sélection de la langue

Gouvernement du Canada / Government of Canada

Recherche

Prediction of scoliosis curve type based on the analysis of trunk surface topography

Par Conseil national de recherches du Canada

DOITrouver le DOI : https://doi.org/10.1109/ISBI.2010.5490322
AuteurRechercher : 1; Rechercher : ; Rechercher : ; Rechercher : ; Rechercher :
Affiliation
  1. Conseil national de recherches du Canada. Technologies de l'information et des communications
FormatTexte, Article
Conférence2010 IEEE International Symposium on Biomedical Imaging: from Nano to Macro, 2010-04-14 - 2010-04-17, Rotterdam, Netherlands
Sujetpattern classification Scoliosis Surface topography
Résumé
Scoliosis treatment strategy is generally chosen according to the severity and type of the spinal curve. Currently, the curve type is determined from X-rays whose acquisition can be harmful for the patient. We propose in this paper a system that can predict the scoliosis curve type based on the analysis of the surface of the trunk. The latter is acquired and reconstructed in 3D using a non invasive multi-head digitizing system. The deformity is described by the back surface rotation, measured on several cross-sections of the trunk. A classifier composed of three support vector machines was trained and tested using the data of 97 patients with scoliosis. A prediction rate of 72.2% was obtained, showing that the use of the trunk surface for a high-level scoliosis classification is feasible and promising.
Date de publication
Maison d’éditionIEEE
Dans
  • 2010 IEEE International Symposium on Biomedical Imaging: from Nano to Macro : 408–411.
Langueanglais
Publications évaluées par des pairsOui
Publication du CNRC
Cette publication n’est pas du CNRC

Ce sont des publications qui ont été rédigées par un auteur du CNRC, mais avant que celui-ci soit employé du CNRC.

Numéro NPARC23001009
Exporter la noticeExporter en format RIS
Signaler une correctionSignaler une correction (s'ouvre dans un nouvel onglet)
Identificateur de l’enregistrement21f4e532-da9a-4d82-94a3-8c15eeb344b8
Enregistrement créé2016-11-28
Enregistrement modifié2020-04-17
Date de modification :