MétaCan
Menu
Retour à la cohorte
Enregistrement W2321856824 · doi:10.1093/neuonc/nou264.50

NI-52 * TOWARDS IMPROVED INTEGRATION OF ADVANCED IMAGING TECHNIQUES INTO THE NEUROSURGICAL OPERATING SUITE: A CANADIAN EXPERIENCE

2014· article· en· W2321856824 sur OpenAlexaffabout
Jonathan C. Lau, Ali R. Khan, Terry M. Peters, Andrew G. Parrent, JF Megyesi

Notice bibliographique

RevueNeuro-Oncology · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueAnatomy and Medical Technology
Établissements canadiensRobarts Clinical TrialsLondon Health Sciences CentreWestern University
Organismes subventionnairesnon disponible
Mots-clésWorkflowNeuronavigationHealth careComputer scienceMedical imagingMedicineMedical physicsArtificial intelligenceRadiologyMagnetic resonance imaging

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Based on a prior needs-based questionnaire performed by our group, qualitative evidence suggests that neurosurgeons feel that image processing techniques can lead to safer and more effective operations. A wealth of image processing applications has been developed over the past several decades for the facilitation of improved surgical planning and image guidance including image registration, segmentation (of tumor, peri-tumoral edema and relevant structures), and diffusion tractography. Some of these tools have been successfully integrated into commercial surgical planning and neuronavigation systems, either as part of core functionality or as add-on packages. The Canadian healthcare system presents unique challenges to the integration of advanced imaging techniques into the clinical workflow. With limited resources, hospital administrators invest in medical devices that provide a balance of improvements in patient care while also proving to be cost effective. While neuronavigation itself has become standard of care, investment in additional commercially-available advanced imaging applications can be difficult to justify. METHODS: In collaboration with researchers at Robarts Research Institute, we have developed a framework for improved integration of advanced imaging protocols into the clinical workflow. RESULTS: We have devised a platform for the practical application and testing of image processing software for neurosurgical purposes. Our findings have been summarized in a schematic diagram outlining the workflow for the translation of image processing technologies to the operating room. CONCLUSIONS: We have developed a clinical framework that allows for use of essential commercial surgical planning and neuronavigation workstations, as well as concurrently taking advantage of university-level medical imaging expertise. This collaborative framework provides a backbone for knowledge translation from research to clinical realms and acts as a first step toward more standardized surgical planning and intra-operative neuronavigation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,622
Score d'incertitude au seuil0,683

Scores Codex et Gemma par catégorie

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

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 Opus0,007
Tête enseignante GPT0,266
Écart entre enseignants0,259 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNeuro-OncologyMême sujetAnatomy and Medical TechnologyTravaux en français237 207