Implant placement accuracy in total knee arthroplasty: validation of a CT-based measurement technique
Notice bibliographique
Résumé
BACKGROUND: The primary goal of many computer-assisted surgical systems like robotics for total knee arthroplasty (TKA) is to accurately execute a preoperative plan. To assess whether the preoperative plan was executed accurately in 3D, one option is to compare the planned and postoperative implant placement using a preoperative and postoperative CT scan of the patient's limb. This comparison requires a 3D-to-3D surface registration between the preoperative and postoperative 3D bone models and between the planned and postoperative 3D implants. Hence, the present study aimed at validating this measurement technique by determining (I) the anatomical regions that result in the lowest 6-degree of freedom (DoF) errors for 3D-to-3D surface registration of bone models, (II) the 6-DoF errors for 3D-to-3D surface registration of the implant models, and (III) the 6-DoF of the complete measurement technique. METHODS: Four different regions of the femur were tested to determine which one would result in the most accurate 3D-to-3D registration of the bone models using 12 cadaveric lower limb specimens. Next, total knee arthroplasties were performed on six specimens, and the accuracy of the 3D-to-3D implant registration was evaluated against a gold standard registration performed using fiducial markers. RESULTS: The most accurate 3D-to-3D bone registration was obtained when using the largest anatomical regions available after TKA, being the full 3D femur model or the femur model without the distal femur which resulted in root mean square errors within 0.2 mm for translations and 0.2° for rotation. The accuracy of the 3D-to-3D femoral and tibial implant registration was within 0.7 mm for translations and 0.4°-0.6° for rotations, respectively. The accuracy for the overall procedure was within 0.9 mm and 0.6° for both femur and tibia when using femoral regions resulting in accurate 3D-to-3D bone registration. CONCLUSIONS: In conclusion, this measurement technique can be used in applications where measurement errors up to 0.9 mm in translations and up to 0.6° in rotations in component placement are acceptable.
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 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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».