The present disclosure is directed to systems and methods that account for measurement errors acquired from electrodes of a medical device prior to generating an image of the medical device. A correction model is initially generated utilizing a specialized testing catheter that incorporates both electrodes and magnetic sensors. The testing catheter is identically configured to a clinical catheter that has no or fewer magnetic sensors. The testing catheter is used to collect responses (e.g., positions) from the magnetic sensors and electrodes. Electrode positions calculated from the more accurate magnetic sensors are mapped to potentially distorted positions determined from the electrode responses. The correction model (e.g., machine-learning algorithm) is trained using such relationships. Once trained, the correction model is implemented to adjust raw electrode responses prior to generating an image of a medical device. The correction model may adjust raw electrode responses of a clinical usage catheter that lacks magnetic sensors.La présente invention concerne des systèmes et des procédés qui tiennent compte d'erreurs de mesure acquises à partir d'électrodes d'un dispositif médical avant de générer une image du dispositif médical. Un modèle de correction est initialement généré à l'aide d'un cathéter d'essai spécialisé qui incorpore à la fois des électrodes et des capteurs magnétiques. Le cathéter de test est conçu de manière identique à un cathéter clinique qui n'a pas ou moins de capteurs magnétiques. Le cathéter de test est utilisé pour collecter des réponses (par exemple, des positions) à partir des capteurs magnétiques et des électrodes. Des positions d'électrode calculées à partir des capteurs magnétiques plus précis sont mises en correspondance avec des positions potentiellement déformées déterminées à partir des réponses d'électrode. Le modèle de correction (par exemple, un algorithme d'apprentissage automatique) est entraîné à l'aide de ces relations. Une