Augmented Reality and Human Factors Applications for the Neurosurgical Operating Room
Notice bibliographique
Résumé
The virtual overlay of patient-specific anatomies onto a surgical site through Augmented Reality (AR) technologies has been thought to be a potentially ideal neuronavigational system for use in neurosurgery. Although impressive and futuristic, there are many design considerations that must be taken into account, including surgeon reception, perceived utility, intuitive control and manipulation design, and overall system accuracy during surgery. To implement AR into the neurosurgical Operating Room (OR), a gradual approach of evolutionary design to ensure widespread adoption may be considered. This thesis presents a potential pathway for the introduction of AR technologies into the neurosurgical OR. The thesis is divided into three parts: incorporation of AR features into existing platforms for improved functionality and introduction of AR concepts to surgical environments, observation and evaluation of surgeon perception of AR overlays and AR headsets to inform display methods and designs, and quantification of virtual object placement accuracy in a clinical environment. The findings presented show that AR integrated systems improve OR workflow when conventional tracked tools are unavailable, user preference of AR overlays onto the surgical site change depending on operator experience level, and the placement accuracy of state-of-the-art AR head mounted displays are suitable for presurgical planning and very close to accuracy needed for surgical guidance. These three elements are key to developing a pathway for adoption of AR technologies in the OR, and help to inform designs for future headsets to assist surgeons and improve patient care.
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 | 0,000 | 0,000 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,003 |
| 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 ».