P.120 Rapid intraoperative reconstruction of cranial implants for craniotomy procedures: a feasibility study
Notice bibliographique
Résumé
Background: The aim of this study was to investigate intraoperative methods to generate patient-specific PMMA bone implants during a craniotomy. The proposed methods combine a cost-efficient, and non-invasive structured light scanner (SLS) as an imaging modality and a prototype printer for rapid generation of implant molds. Methods: This simulation study was performed using retrospective data from three craniotomy patients. The extracted bone flap and the cranial defect were scanned using a SLS, which generates a 3D surface model of an object by projecting a series of light-patterns on it. Prototype printed implant models were generated using two different techniques. The molds were then used to shape PMMA bone implants. These implants were evaluated regarding their accuracy to reconstruct the natural skull anatomy and compared to freehand formed implants. Results: The patient-specific bone implants reconstructed the preoperative anatomy with an average RMS error of 1.37mm (StDev 0.27), compared to an error of 1.5mm (StDev 0.43) for the freehand shaped implants. On average the intraoperative scanning time was 4.7min. The average time to generate and print the implant molds was 204 min. Conclusions: Results of this study have shown great promise for the proposed method to be used for patient-specific bone flap reconstruction during craniotomies.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| 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) | 0,003 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».