Notice bibliographique
Résumé
Image-guided navigation for neurosurgery requires accurate localization of the skull. Localization can be problematic when the patient is in a facedown position. The posterior skull lacks unique identifiable landmarks, which complicates standard localization methods using a tracked pointer. In addition to the lack of anatomical landmarks, trying to access facial surfaces is error-prone when working under the table and problems arise with line-of-sight of the optical tracker. We proposed the use of ultrasound to perform localization and investigated the accuracy of this process. A simulation study was performed to test the feasibility of ultrasound for localization on a plastic skull. An initial localization, using an optically tracked pointer, was performed to partially align pre-operative images and the skull model. Skull surface points were localized by optically tracked ultrasound and used in a surface registration algorithm. Accuracy and reproducibility was then investigated. Evaluation of the proposed localization method found that the average distance of points off the skull surface was 0.6 ± 0.1mm, which meets the same standards set by current commercially available systems for face-up positions. Using tracked ultrasound for registration is feasible for patients in facedown position. We provided a non-invasive method of registration that could be accomplished using one optical tracking camera, and maintains a constant line-of-sight. This project was performed in cooperation with Dr. Gernot Kronreif and the Austrian Center for Medical Innovation and Technology. Dr. Kronreif and his staff are preparing for a clinical test of this localization process.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| 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 ».