High-Resolution O-Arm Data Reconstruction for Optimized Intraoperative Imaging of Deep Brain Stimulation Leads: A Preclinical Study
Notice bibliographique
Résumé
BACKGROUND: The employment of the O-arm for intraoperative localization of deep brain stimulation (DBS) leads has been shown to be feasible and effective. However, partial volume artifacts impede the determination of individual electrode contacts and thus allow only an indirect approximation of each contact's localization. OBJECTIVE: To reduce the partial volume artifacts by means of high-resolution (HiRes) reconstruction of O-arm data and thus allow more accurate predictions with regard to the positioning and orientation of individual DBS contacts. METHODS: Following intraoperative flat-panel computed tomography, the O-arm raw data were reconstructed with a resolution of 0.2 mm × 0.2 mm × 0.2 mm. The geometric integrity of HiRes reconstructions was assessed via landmark transformation. Using a phantom, resolutions of both reconstruction modalities were then evaluated by means of the modulation transfer function (MTF). Finally, directional and nondirectional leads were compared visually to analyze the delineation of individual electrode contacts. RESULTS: With a mean accuracy of 0.56 mm ± 0.12 mm, geometric integrity remained intact during HiRes reconstruction. Analysis of HiRes reconstruction resolution yielded a 47.7% increase of the 10% MTF in comparison to conventional postprocessing. Reduction of partial volume artifacts yielded strong contrasts of electrode compartments and allowed direct identification of individual contacts as well as localization of the X-ray marker on directional leads. CONCLUSION: HiRes reconstruction of O-arm data allows an effective reduction of partial volume artifacts to such an extent that a delineation of individual contacts across single DBS leads is possible without requiring increases in radiation dose.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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) | 0,001 | 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 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 ».