MétaCan
Menu
Retour à la cohorte
Enregistrement W2801292480 · doi:10.1002/rcs.1914

Augmented reality for the surgeon: Systematic review

2018· review· en· W2801292480 sur OpenAlexaff
Jang W. Yoon, Robert E. Chen, Esther J. Kim, Oluwaseun O. Akinduro, Panagiotis Kerezoudis, Phillip K. Han, Phong Si, William D. Freeman, Roberto J. Diaz, Ricardo J. Komotar, Stephen M. Pirris, Benjamin L. Brown, Mohamad Bydon, Michael Y. Wang, Robert E. Wharen, Alfredo Quiñones‐Hinojosa

Notice bibliographique

RevueInternational Journal of Medical Robotics and Computer Assisted Surgery · 2018
Typereview
Langueen
DomaineComputer Science
ThématiqueAugmented Reality Applications
Établissements canadiensMcGill UniversityMontreal Neurological Institute and Hospital
Organismes subventionnairesnon disponible
Mots-clésAugmented realityHead-up displayWearable computerComputer scienceOptical head-mounted displayHead (geology)OverlayWearable technologyHuman–computer interactionMultimediaComputer visionEmbedded system

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Since the introduction of wearable head-up displays, there has been much interest in the surgical community adapting this technology into routine surgical practice. METHODS: We used the keywords augmented reality OR wearable device OR head-up display AND surgery using PubMed, EBSCO, IEEE and SCOPUS databases. After exclusions, 74 published articles that evaluated the utility of wearable head-up displays in surgical settings were included in our review. RESULTS: Across all studies, the most common use of head-up displays was in cases of live streaming from surgical microscopes, navigation, monitoring of vital signs, and display of preoperative images. The most commonly used head-up display was Google Glass. Head-up displays enhanced surgeons' operating experience; common disadvantages include limited battery life, display size and discomfort. CONCLUSIONS: Due to ergonomic issues with dual-screen devices, augmented reality devices with the capacity to overlay images onto the surgical field will be key features of next-generation surgical head-up displays.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,028
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,028
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0050,005
Bibliométrie0,0100,010
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,100
Tête enseignante GPT0,380
Écart entre enseignants0,281 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations180
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Medical Robotics and Computer Assisted SurgeryMême sujetAugmented Reality ApplicationsTravaux en français237 207