GP.01 Quantification of computational geometric congruence in surface-based registration for spinal intra-operative three-dimensional navigation
Notice bibliographique
Résumé
Background: Computer-assisted navigation (CAN) may guide spinal instrumentation, and requires alignment of patient anatomy to imaging. Iterative-Closest-Point algorithms register anatomical and imaging datasets, which may fail in the presence of significant geometric congruence leading to inaccurate navigation. We computationally quantify geometric congruence in posterior spinal exposures, and identify predictors of potential navigation inaccuracy. Methods: Midline posterior exposures were performed from C1-S1 in four human cadavers. An optically-based CAN generated surface maps of the posterior elements at each level. Maps were reconstructed to include bilateral hemilamina, or unilateral hemilamina with/without the base of the spinous process. Maps were fitted to symmetrical geometries (cylindrical/spherical/planar) using computational modelling, and the degree of model fit quantified. Results: Increased cylindrical/spherical/planar symmetry was seen in the subaxial cervical spine relative to the high-cervical and thoracolumbar spine (p<0.001). Inclusion of the base of the spinous process decreased symmetry independent of spinal level (p<0.001). Registration with bilateral vs. unilateral hemilamina did not significantly reduce geometric symmetry. Conclusions: Geometric congruence is most evident at C1 and the subaxial cervical spine, warranting greater vigilance in navigation accuracy verification. At all levels, inclusion of the base of the spinous process in unilateral registration decreases the likelihood of geometric symmetry and navigation error.
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 | 0,002 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».