Effect of fiducial configuration on target registration error in intraoperative cone-beam CT guidance of head and neck surgery
Notice bibliographique
Résumé
Advances in image-guided surgery have led to minimally-invasive, high-precision procedures that increase the efficacy of treatment, minimize surgical complications, and reduce patient recovery time. A recent advance in intraoperative 3D imaging includes cone-beam CT (CBCT) implemented on a mobile C-arm. This paper investigates the effect of the number and configuration of fiducials on target registration error (TRE) and identifies fiducial configurations that minimize TRE for rigid point-based registration in CBCT-guided head and neck surgery. Best configurations were those that minimized the distance between the centroid of fiducials and the surgical target while maximizing fiducial separation (distance from principal axes). Configurations with as few as 4 fiducials could be identified that minimized TRE (e.g., TRE < 0.3 mm for the pituitary, cochlea, and nasion), with more fiducials (6 or more) providing improved TRE uniformity throughout the volume of clinical interest. If possible, fiducials affixed to the skin or cranium (e.g., 4-6 markers) should include a majority about the target (to minimize centroid-to-target distance) with others at a distance (to maximize separation). A greater number of fiducials distributed evenly can provide low, uniform TRE for all targets--e.g., 8 markers, TRE approximately 0.2-0.6 mm throughout the volume of interest. Such work helps guide the implementation of C-arm CBCT in head and neck surgery in a manner that maximizes surgical precision and exploits intraoperative image guidance to its full potential.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».