<title>Registration of 3D tracked ultrasonic spinal images to segmented CT images for technology-guided therapy</title>
Notice bibliographique
Résumé
As a prerequisite to performing minimally-invasive spinal surgery (MISS) with technology-guided therapy (TGT), researchers at Vanderbilt University have proposed to mathematically align the physical space of the patient with preoperative images through a surface-based registration. In order to support closed-back spinal surgeries, we have selected a non-invasive, portable imaging modality for obtaining intra-operative images, namely ultrasound (U/S). The preliminary work for the application of TGT to spinal cases has been performed on a spine phantom, scanned with an optically-tracked U/S transducer. The lumbar vertebral surface was extracted from the U/S images, and the surface pixels were converted into 3D physical-space coordinates. This set of U/S surface points was divided into a test set and a target set to be used in registration and error measurement, respectively. The test set of U/S points was registered to segmented CT spinal images of the same phantom spine using a modification of the Besl-McKay Iterative Closest Point algorithm. In a qualitative analysis of the registration, the results look favorable. The U/S points closely align with the corresponding CT surface in every image slice. By incorporating TGT into minimally-invasive spinal surgeries, the procedures are expected to yield reduced injury to normal spinal tissue and hence quicker recovery time for the patient.
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 ».