Sci‐AM1 Sat ‐ 02: Dynamic intraoperative prostate brachytherapy
Notice bibliographique
Résumé
The aim of this paper is to develop a dynamic intraoperative prostate brachytherapy system in order to deal with variabilities in the current procedure. System consists of 3D TRUS imaging, a robot and software for prostate segmentation, intraoperative planning, oblique needle segmentation and tracking, seed segmentation, and 3D dose planning. The robot and 3D TRUS coordinate systems are unified with robot and image calibrations. In 3D TRUS images, the prostate is segmented using the discrete dynamic contour method, and optimal implantation plan is performed by using geometric optimization followed by simulated annealing. The inserted needles are segmented and tracked using grey‐level change in near real‐time, and seed segmentation is performed using 3D line segment patterns. Needle placement accuracy of the robot at the “patient” skin was 0.15mm±0.06mm, and needle angulation error was 0.07°. Needle targeting accuracy was 0.79mm±0.32mm. The average difference between manual and the prostate segmentation algorithm of prostate boundaries was −0.20±0.28mm. In our needle tracking tests, errors in determining needle orientation were less than 2° in robot yaw and 0.7° in robot pitch orientations, for up to 20° needle insertion angles when the needle insertion distance was greater than 15mm. The true‐positive rates for the seed segmentation algorithm in 3D TRUS images were 100% for agar and 93% for chicken phantoms. The result of this work provides a tool to achieve dynamic intraoperative prostate brachytherapy using 3D TRUS imaging and robotic assistance together with efficient segmentation software.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 ».