Intraoperative ultrasound for guidance and tissue shift correction in image‐guided neurosurgery
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
We present a surgical guidance system that incorporates pre-operative image information (e.g., MRI) with intraoperative ultrasound (US) imaging to detect and correct for brain tissue deformation during image-guided neurosurgery (IGNS). Many interactive IGNS implementations employ pre-operative images as a guide to the surgeons throughout the procedure. However, when a craniotomy is involved, tissue movement during a procedure can be a significant source of error in these systems. By incorporating intraoperative US imaging, the target volume can be scanned at any time, and two-dimensional US images may be compared directly to the corresponding slice from the pre-operative image. Homologous points may be mapped from the intraoperative to the pre-operative image space with an accuracy of better than 2 mm, enabling the surgeon to use this information to assess the accuracy of the guidance system along with the progress of the procedure (e.g., extent of lesion removal) at any time during the operation. Anatomical features may be identified on both the pre-operative and intraoperative images and used to generate a deformation map, which can be used to warp the pre-operative image to match the intraoperative US image. System validation is achieved using a deformable multi-modality imaging phantom, and preliminary clinical results are presented.
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.
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 | 0,001 |
| 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 découle