Machine-vision image guided C4-C5 unilateral cervical pedicle screw insertion: case report and review of literature
Notice bibliographique
Résumé
Computer-assistance for pedicle screw insertion is becoming increasingly common. As in the case presented below, image guided neuronavigation can be used to improve the accuracy and safety of subaxial cervical pedicle screw placement, given their increased difficulty of cannulation relative to the larger pedicles in the thoracolumbar spine. A 49-year-old man presented with a traumatic sagittal split fracture of C4 (AO Classification type A4) and a left lateral mass fracture of C5 (AO Classification type F1) with anterior depression and 50% height loss. MRI revealed evidence of strain of the interspinous/supraspinous ligaments (AO Classification type B2), as well as fluid within the left C4-C5 facet joint. Along with these fractures, the young patient had Klippel-Feil syndrome with autofusion of the C2-3 posterior elements, and a left vertebral artery dissection. He had neck pain but was otherwise neurologically intact. The patient underwent machine-vision image guided C4-C5 unilateral pedicle screw insertion connected by a fixation rod for stabilization and bone graft to augment the instrumented fusion with good outcome. The use of machine vision spinal navigation was able to provide accurate and precise placement of pedicle screws without significantly increasing surgical time. This method has the potential to allow for the safe and accurate insertion of cervical pedicle screws and to reduce the rate of pedicle breach which could avoid significant neurovascular injury.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 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) | 0,000 | 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 ».