MétaCan
Menu
Retour à la cohorte
Enregistrement W2125401397 · doi:10.1097/rli.0b013e31827b9f86

Augmented Reality Visualization Using Image Overlay Technology for MR-Guided Interventions

2013· article· en· W2125401397 sur OpenAlexaff
Jan Fritz, Paweena U-Thainual, Tamás Ungi, Aaron Flammang, Edward F. McCarthy, Gábor Fichtinger, Iulian Iordachita, John A. Carrino

Notice bibliographique

RevueInvestigative Radiology · 2013
Typearticle
Langueen
DomaineComputer Science
ThématiqueAugmented Reality Applications
Établissements canadiensQueen's University
Organismes subventionnairesNational Cancer Institute
Mots-clésBiopsyMagnetic resonance imagingRadiologyDrillMedicineOverlayVisualizationInterventional magnetic resonance imagingPercutaneousComputer scienceArtificial intelligenceMaterials science

Résumé

récupéré en direct d'OpenAlex

PURPOSE: The purpose of this study was to prospectively test the hypothesis that image overlay technology facilitates accurate navigation for magnetic resonance (MR)-guided osseous biopsy. MATERIALS AND METHODS: A prototype augmented reality image overlay system was used in conjunction with a clinical 1.5-T MR imaging system. Osseous biopsy of a total of 16 lesions was planned in 4 human cadavers with osseous metastases. A loadable module of 3D Slicer open-source medical image analysis and visualization software was developed and used for display of MR images, lesion identification, planning of virtual biopsy paths, and navigation of drill placement. The osseous drill biopsy was performed by maneuvering the drill along the displayed MR image containing the virtual biopsy path into the target. The drill placement and the final drill position were monitored by intermittent MR imaging. Outcome variables included successful drill placement, number of intermittent MR imaging control steps, target error, number of performed passes and tissue sampling, time requirements, and pathological analysis of the obtained osseous core specimens including adequacy of specimens, presence of tumor cells, and degree of necrosis. RESULTS: A total of 16 osseous lesions were sampled with percutaneous osseous drill biopsy. Eight lesions were located in the osseous pelvis (8/16, 50%) and 8 (8/16, 50%) lesions were located in the thoracic and lumbar spine. Lesion size was 2.2 cm (1.1-3.5 cm). Four (2-8) MR imaging control steps were required. MR imaging demonstrated successful drill placement inside 16 of the 16 target lesions (100%). One needle pass was sufficient for accurate targeting of all lesions. One tissue sample was obtained in 8 of the 16 lesions (50%); 2, in 6 of the 16 lesions (38%); and 3, in 2 of the 16 lesions (12%). The target error was 4.3 mm (0.8-6.8 mm). Length of time required for biopsy of a single lesion was 38 minutes (20-55 minutes). Specimens of 15 of the 16 lesions (94%) were sufficient for pathological evaluation. Of those 15 diagnostic specimens, 14 (93%) contained neoplastic cells, whereas 1 (7%) specimen demonstrated bone marrow without evidence of neoplastic cells. Of those 14 diagnostic specimens, 11 (79%) were diagnostic for carcinoma or adenocarcinoma, which was concordant with the primary neoplasm, whereas, in 3 of the 14 diagnostic specimens (21%), the neoplastic cells were indeterminate. CONCLUSIONS: Image overlay technology provided accurate navigation for the MR-guided biopsy of osseous lesions of the spine and the pelvis in human cadavers at 1.5 T. The high technical and diagnostic yield supports further evaluation with clinical trials.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,107
Tête enseignante GPT0,379
Écart entre enseignants0,272 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations44
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInvestigative RadiologyMême sujetAugmented Reality ApplicationsTravaux en français237 207