Evaluation of three-dimensional computed tomography processing for deep inferior epigastric perforator flap breast reconstruction
Notice bibliographique
Résumé
BACKGROUND: The deep inferior epigastric perforator flap procedure has become a popular alternative for women who require breast reconstruction. One of the difficulties with this procedure is identifying perforator arteries large enough to ensure that the harvested tissue is well vascularized. Current techniques involve imaging the perforator arteries with computed tomography (CT) to produce a grid mapping the locations of the perforator arteries relative to the umbilicus. OBJECTIVES: To compare the time it takes to produce a map of the perforators using either two-dimensional (2D) or three-dimensional (3D) CT, and to see whether there is a benefit in using a 3D model. METHODS: Patient CT abdomen and pelvis scans were acquired from a GE 64-slice scanner. CT image processing was performed with the GE 3D Advantage Workstation v4.2 software. Maps of the perforators were generated both as 2D and 3D representations. Perforators within a region 5 cm rostral and 7 cm caudal to the umbilicus were measured and the times to perform these measurements using both 2D and 3D images were recorded by a stopwatch. RESULTS: Although the 3D method took longer than the 2D method (mean [+/- SD] time 1:51+/-0:35 min versus 1:08+/-0:16 min per perforator artery, respectively), producing a 3D image provides much more information than the 2D images alone. Additionally, an actual-sized 3D image can be printed out, removing the need to make measurements and producing a grid. CONCLUSIONS: Although it took less time to create a grid of the perforators using 2D axial CT scans, the 3D reconstruction of the abdomen allows the plastic surgeons to better visualize the patient's anatomy and has definite clinical utility.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 ».