Augmented Reality System for Ultrasound Guidance of Transcatheter Aortic Valve Implantation
Notice bibliographique
Résumé
OBJECTIVE: Transcatheter aortic valve implantation (TAVI) relies on fluoroscopy and nephrotoxic contrast medium for valve deployment. We propose an alternative guidance system using augmented reality (AR) and transesophageal echocardiography (TEE) to guide TAVI deployment. The goals of this study were to determine how consistently the aortic valve annulus is defined from TEE using different aortic valve landmarks and to compare AR guidance with fluoroscopic guidance of TAVI deployment in an aortic root model. METHODS: Magnetic tracking sensors were integrated into the TAVI catheter and TEE probe, allowing these tools to be displayed in an AR environment. Variability in identifying aortic valve commissures and cuspal nadirs was assessed using TEE aortic root images. To compare AR guidance of TAVI deployment with fluoroscopic guidance, a TAVI stent was deployed 10 times in the aortic root model using each of the two guidance systems. RESULTS: Commissures and nadirs were both investigated as features for defining the valve annulus in the AR guidance system. The commissures were identified more consistently than the nadirs, with intraobserver variability of 2.2 and 3.8 mm, respectively, and interobserver variability of 3.3 and 4.7 mm, respectively. The precision of TAVI deployment using fluoroscopic guidance was 3.4 mm, whereas the precision of AR guidance was 2.9 mm, and its overall accuracy was 3.4 mm. This indicates that both have similar performance. CONCLUSIONS: Aortic valve commissures can be identified more reliably than cuspal nadirs from TEE. The AR guidance system achieved similar deployment accuracy to that of fluoroscopy while eliminating the use and consequences of nephrotoxic contrast and radiation.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».