Prostate Brachytherapy Training With Simulated Ultrasound and Fluoroscopy Images
Notice bibliographique
Résumé
In this paper, a novel computer-based virtual training system for prostate brachytherapy is presented. This system incorporates, in a novel way, prior methodologies of ultrasound image synthesis and haptic transrectal ultrasound (TRUS) transducer interaction in a complete simulator that allows a trainee to maneuver the needle and the TRUS, to see the resulting patient-specific images and feel the interaction forces. The simulated TRUS images reflect the volumetric tissue deformation and comprise validated appearance models for the needle and implanted seeds. Rendered haptic forces use validated models for needle shaft flexure and friction, tip cutting, and deflection due to bevel. This paper also presents additional new features that make the simulator complete, in the sense that all aspects of the brachytherapy procedure as practiced at many cancer centers are simulated, including simulations of seed unloading, fluoroscopy imaging, and transversal/sagittal TRUS plane switching. For real-time rendering, methods for fast TRUS-needle-seed image formation are presented. In addition, the simulator computes real-time dosimetry, allowing a trainee to immediately see the consequence of planning changes. The simulation is also patient specific, as it allows the user to import the treatment plan for a patient together with the imaging data in order for a physician to practice an upcoming procedure or for a medical resident to train using typical implant scenarios or rarely encountered cases.
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 ».