Three-dimensional rotational angiography guidance for aneurysm surgery
Notice bibliographique
Résumé
OBJECT: The aim of this study was to investigate the feasibility of integrating three-dimensional rotational angiography (3D-RA) data into a surgical navigation system and to assess its accuracy and potential clinical benefit. METHODS: The study cohort consisted of 16 patients with 16 intracranial aneurysms who had been scheduled for routine or emergency surgery. Rotational angiography data were exported using a virtual reality modeling language file format and imported into the BrainLAB VectorVision2 image-guided surgery equipment. During 3D-RA the position of the head was measured using a special headframe. The authors also determined the accuracy of 3D-RA image guidance and the clinical benefit as judged by the surgeon, including, for example, early identification of branching vessels and the aneurysm. There was good correspondence between the 3D-RA-based navigation data and the intraoperative vascular anatomy in all cases, with a maximum error of 9 degrees of angulation and 9 degrees of rotation. In eight cases, the surgeon determined that the 3D-RA image guidance facilitated the surgical procedure by predicting the location of the aneurysm or the origin of a branching artery that had been covered by brain tissue and blood clots. CONCLUSIONS: The integration of 3D-RA into surgical navigation systems is feasible, but it currently requires a new perspective-registration technique. The intraoperative 3D view provides useful information about the vascular anatomy and may improve the quality of aneurysm surgery in selected 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 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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,002 | 0,001 |
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 ».