A Virtual-Reality Training Simulator for Cochlear Implant Surgery
Notice bibliographique
Résumé
Background and Objectives. Hearing loss is one of the most prevalent chronic conditions and can significantly impact an individual’s quality of life. Cochlear implantation (CI) is a widely applicable treatment for severe to profound hearing loss, however CI surgery can be difficult for surgical trainees to master. Training environments that are safe, controlled, and affordable are needed. To this end, we present a virtual-reality (VR) cochlear implant surgical simulator developed with a popular, commercial game engine. Method. Unity3D was used to develop the simulator and model the delicate instruments involved. High-resolution models of human cochleae were created from images obtained from synchrotron-radiation phase-contrast imaging (SR-PCI). The physical-realism of the simulator was assessed via a comparison with fluoroscopic images of an actual cochlear implant insertion. Different resolutions of cochlear models were used to benchmark the real-time capabilities of the simulator with the number of frames per second (FPS) serving as the performance metric. Results. Quantitative analysis comparing the simulated procedure to fluoroscopic imaging revealed no significant differences. Qualitatively, the behaviour of the inserted and simulated implants were similar throughout the entirety of the procedure. The simulator was able to maintain 25 FPS even when experiencing an artificially high computational load. Conclusion. VR simulators provide a new and exciting avenue to enhance current medical education. Continued use of widely available and supported game engines in the development of medical simulators will hopefully result in lowered costs. Preliminary feedback from expert surgeons of the simulator presented here has been positive and future work will focus on evaluating face, content and construct validity.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».