MétaCan
Menu
Retour à la cohorte
Enregistrement W2917801225 · doi:10.1016/j.wnsx.2019.100021

Visualization of Brain Shift Corrected Functional Magnetic Resonance Imaging Data for Intraoperative Brain Mapping

2019· article· en· W2917801225 sur OpenAlexaff
Sanam Maknojia, Fred Tam, Sunit Das, Tom A. Schweizer, Simon J. Graham

Notice bibliographique

RevueWorld Neurosurgery X · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced MRI Techniques and Applications
Établissements canadiensSt. Michael's HospitalUniversity of TorontoSunnybrook Health Science Centre
Organismes subventionnairesnon disponible
Mots-clésCraniotomyMagnetic resonance imagingVisualizationFunctional magnetic resonance imagingMedicineImage registrationSurgical planningPipeline (software)Brain tumorBrain mappingComputer scienceRadiologyArtificial intelligenceComputer visionImage (mathematics)Pathology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Brain tumor surgery requires careful balance between maximizing tumor excision and preserving eloquent cortex. In some cases, the surgeon may opt to perform an awake craniotomy including intraoperative mapping of brain function by direct cortical stimulation (DCS) to assist in surgical decision-making. Preoperatively, functional magnetic resonance imaging (fMRI) facilitates planning by identification of eloquent brain areas, helping to guide DCS and other aspects of the surgical plan. However, brain deformation (shift) limits the usefulness of preoperative fMRI during surgery. To address this, an integrated visualization method for fMRI and DCS results is developed that is intuitive for the surgeon. METHODS: An image registration pipeline was constructed to display preoperative fMRI data corrected for brain shift overlaid on images of the exposed cortical surface at the beginning and completion of DCS mapping. Preoperative fMRI and DCS data were registered for a range of misalignments, and the residual registration errors were calculated. The pipeline was validated on imaging data from five brain tumor patients who underwent awake craniotomy. RESULTS: Registration errors were well under 5 mm (the approximate spatial resolution of DCS) for misalignments of up to 25 mm and approximately 10-15°. For rotational misalignments up to 20°, the success rate was 95% for an error tolerance of 5 mm. Failures were negligible for rotational misalignments up to 10°. Good quality registrations were observed for all five patients. CONCLUSIONS: A proof-of-concept image registration pipeline is presented with acceptable accuracy for intraoperative use, providing multimodality visualization with potential benefits for intraoperative brain mapping.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,038
Tête enseignante GPT0,319
Écart entre enseignants0,280 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations10
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld Neurosurgery XMême sujetAdvanced MRI Techniques and ApplicationsTravaux en français237 207