High Speed, High Density Intraoperative 3D Optical Topographical Imaging with Efficient Registration to MRI and CT for Craniospinal Surgical Navigation
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Intraoperative image-guided surgical navigation for craniospinal procedures has significantly improved accuracy by providing an avenue for the surgeon to visualize underlying internal structures corresponding to the exposed surface anatomy. Despite the obvious benefits of surgical navigation, surgeon adoption remains relatively low due to long setup and registration times, steep learning curves, and workflow disruptions. We introduce an experimental navigation system utilizing optical topographical imaging (OTI) to acquire the 3D surface anatomy of the surgical cavity, enabling visualization of internal structures relative to exposed surface anatomy from registered preoperative images. Our OTI approach includes near instantaneous and accurate optical measurement of >250,000 surface points, computed at >52,000 points-per-second for considerably faster patient registration than commercially available benchmark systems without compromising spatial accuracy. Our experience of 171 human craniospinal surgical procedures, demonstrated significant workflow improvement (41 s vs. 258 s and 794 s, p < 0.05) relative to benchmark navigation systems without compromising surgical accuracy. Our advancements provide the cornerstone for widespread adoption of image guidance technologies for faster and safer surgeries without intraoperative CT or MRI scans. This work represents a major workflow improvement for navigated craniospinal procedures with possible extension to other image-guided applications.
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.
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 | 0,000 | 0,001 |
| 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 découle