Accuracy and reproducibility of automatic versus manual registration using a cone-beam CT image guidance system.
Notice bibliographique
Résumé
INTRODUCTION: Intraoperative imaging reveals morphologic changes and resolves anatomic uncertainties during surgery. The automatic registration (AR) approach provides registered intraoperative images for real-time tracking within seconds of acquisition. PURPOSE: (1) To design an AR device for clinical use integrated with cone-beam computed tomography, (2) to compare the accuracy and reproducibility of manual and automatic registration, and (3) to evaluate the robustness of the AR system. METHODS: An AR device consisting of an acrylic face shield with fiducials mounted on an adjustable arm was designed. Eight surface and five internal divot markers were placed with bony fixation to a cadaveric head. Internal markers were localized on the image representing the "true" location. This was compared to the positions localized using a navigational system when both manual registration and AR were applied. A series of surgical tasks and variation of the AR device height above the surgical field was performed, and target registration error (TRE) was measured. RESULTS: The mean fiducial registration error (FRE) for manual and automatic registration was 0.72 mm ± 0.03 and 0.41 mm ± 0.01, respectively. The mean TRE for manual and automatic registration was 0.89 mm ± 0.26 and 0.91 mm ± 0.25, respectively. CONCLUSIONS: AR offers a more accurate and reproducible FRE and a TRE equally comparable to that of manual registration. This system also demonstrates robustness with comparable accuracy and reproducibility throughout different surgical tasks and variation of AR device height up to 9 cm above the surgical field. This system is currently being translated into clinical trials.
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 | 0,001 |
| 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 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 ».