Three-Dimensional Imaging and Breast Measurements: How Predictable Are We?
Notice bibliographique
Résumé
BACKGROUND: Outcomes in aesthetic breast surgery are dependent on preoperative breast measurements. The accuracy of 3-dimensional (3D) imaging in measuring critical landmarks in augmentation mammaplasty surgery has not been described. OBJECTIVES: We aimed to determine the predictability of 3D imaging compared to direct measurements. METHODS: Two raters measured the breasts of 28 women using four anthropometric (direct) measurements: sternal notch to nipple distance (Sn-N), nipple to midline (N-M), nipple to inframammary-fold distance under maximal stretch (N-IMF), and base width (BW). Measurements (indirect) were also obtained using 3D imaging. Statistical analysis was completed with Bland-Altman plots. RESULTS: Each rater collected 56 data points for each of the four measurements. This resulted in 224 data points per rater. The Sn-N measurement had a 0.05 cm (SD, 0.65) difference in the mean values obtained between direct and indirect measurements. N-M had a mean difference of 0.20 cm (SD, 0.62). The mean difference for BW was 1.26 cm (SD, 0.69 cm), and N-IMF showed a mean difference of 1.22 cm (SD, 0.74 cm). Three-dimensional imaging overestimated Sn-N, N-M, and BW, while it underestimated N-IMF. CONCLUSIONS: Three-dimensional imaging has good utility and is most accurate for Sn-N and N-M measurements, which require frontal imaging of a standing patient. BW and N-IMF are less accurate due to obscured landmarks on frontal imaging. The medial and lateral aspects of the breast may be obscured when measuring BW on 3D imaging, which may explain this difference. N-IMF is a dynamic measurement, and as a result, 3D imaging has limited ability to measure this distance accurately.
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 | 0,000 |
| 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 | 0,001 | 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 ».