Accuracy evaluation of a shape-based registration method for a computer navigation system for total knee arthroplasty.
Notice bibliographique
Résumé
This study evaluated the effect of computed tomography (CT) slice thickness, reconstruction pitch, intraoperative data sampling area, and data sampling volume on the accuracy of registration and determined a clinically acceptable trade-off between accuracy and surgical invasiveness. One cadaveric femur and one cadaveric tibia were used. Computed tomography of the femur and tibia were obtained using a helical scanner. Three sets of slice thickness and slice pitch were chosen for data acquisition, and two additional sets of reconstructed data were made. Bone contours were extracted by removing surrounding substrate. Surface models of bones were made from the resulting data. Registration of surface models to real objects was performed by measuring the position of various surface points on various areas of each object using an OPTOTRAK pen-probe (Northern Digital Inc, Ontario, Canada). The following trade-off is proposed as clinically optimal: perform CT with 3-mm slice thickness and 1-mm reconstruction pitch, and sample a periarticular area of 30 sampling points. The accuracy of registration in terms of position and angle was 0.8 mm and 0.6 degrees of bias with 0.2 mm and 0.3 degrees of root-mean-square in the femur, and 0.5 mm and 0.4 degrees of bias with 0.2 mm and 0.3 degrees of root-mean-square in the tibia.
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 | 0,005 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».