A review and guide to creating patient specific 3D printed anatomical models from MRI for benign gynecologic surgery
Notice bibliographique
Résumé
BACKGROUND: Patient specific three-dimensional (3D) models can be derived from two-dimensional medical images, such as magnetic resonance (MR) images. 3D models have been shown to improve anatomical comprehension by providing more accurate assessments of anatomical volumes and better perspectives of structural orientations relative to adjacent structures. The clinical benefit of using patient specific 3D printed models have been highlighted in the fields of orthopaedics, cardiothoracics, and neurosurgery for the purpose of pre-surgical planning. However, reports on the clinical use of 3D printed models in the field of gynecology are limited. MAIN TEXT: This article aims to provide a brief overview of the principles of 3D printing and the steps required to derive patient-specific, anatomically accurate 3D printed models of gynecologic anatomy from MR images. Examples of 3D printed models for uterine fibroids and endometriosis are presented as well as a discussion on the barriers to clinical uptake and the future directions for 3D printing in the field of gynecological surgery. CONCLUSION: Successful gynecologic surgery requires a thorough understanding of the patient's anatomy and burden of disease. Future use of patient specific 3D printed models is encouraged so the clinical benefit can be better understood and evidence to support their use in standard of care can be provided.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,001 | 0,001 |
| 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 ».