P.105 The “Comprehensive 3D Skull Base Lab”-- enhancing resident education with virtual/augmented reality and 3D printing at Northwestern University
Notice bibliographique
Résumé
Background: Due to increasingly limited access to cadavers and first-hand operative experience, there is an increasing need for innovative modalities in neurosurgical education. Recent developments in computer modelling, virtual/augmented reality, and video game technology have created new opportunities for novel teaching tools. We set out to develop a library of 3D models of normal anatomy and pathologic states for use in conjunction with an interactive simulated environment and 3D printing for teaching of neurosurgical residents. Methods: Anatomically accurate 3D models were developed using CT/MRI data from multiple patients using open source segmentation and 3D animation software. An interactive simulated environment was then created using a 3D game engine and used in conjunction with a virtual/augmented reality system. 3D models were also used to for 3D printing. Results: 3D models and an interactive simulated environment were used in conjunction with various viewing modalities, including 3D video, 360 video, and virtual reality headsets, as well as 3D printing. These teaching tools were successfully implemented in neurosurgery didactic teaching sessions and in the skull base lab. Additional benefits were seen with patient engagement and marketing. Conclusions: 3D modeling and animation show considerable promise for neurosurgical education, with additional benefits for patient engagement, marketing, and social media.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,003 | 0,000 |
| Intégrité de la recherche | 0,000 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».