VALIDATION OF ULTRASOUND-CT REGISTRATION ACROSS MULTIPLE PORCINE VERTEBRAE
Notice bibliographique
Résumé
Image-guided spine surgery requires registration between the patient anatomy and the preoperative computed tomography (CT) image. We have previously developed an accurate and robust registration technique for this application by using intraoperative ultrasound to acquire patient anatomy and then registering the ultrasound images to the CT images by aligning the posterior vertebral surfaces extracted from both modalities. In this study, we validate our registration technique across 18 vertebrae on three porcine cadavers. We applied the ultrasound-registration technique on the thoracic and lumbar vertebrae of the porcine cadavers using both single sweeps and double orthogonal sweeps. For each sweep pattern at each vertebra, we also randomly simulated 100 different initial misalignments and registered each misalignment. The resulting registration transformations are compared to gold standard registrations to assess the accuracy and the robustness of the technique. Orthogonal-sweep acquisition was found to be the sweep-pattern that performed the best and yielded a registration accuracy of 1.65 mm across all vertebrae on all porcine cadavers. It was found that the target registration errors (TRE) stay relatively constant with increasing initial misalignment and that the majority (82.7%) of the registrations resulted in TREs below the clinically recommended 2 mm threshold. In addition, it was found that the registration accuracy varies by the sweep pattern and the vertebral level, but neighbouring vertebrae tend to result in statistically similar accuracy. We found that our ultrasound-CT registration technique yields clinically acceptable accuracy and robustness on multiple vertebrae across multiple porcine cadavers.
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 ».