Synthesis and characterisation of a cancerous liver for presurgical planning and training applications
Notice bibliographique
Résumé
OBJECTIVES: Oncology surgeons use animals and cadavers in training because of a lack of alternatives. The aim of this work was to develop a design methodology to create synthetic liver models familiar to surgeons, and to help plan, teach and rehearse patient-specific cancerous liver resection surgery. DESIGN: Synthetic gels were selected and processed to recreate accurate anthropomorphic qualities. Organic and synthetic materials were mechanically tested with the same equipment and standards to determine physical properties like hardness, elastic modulus and viscoelasticity. Collected data were compared with published data on the human liver. Patient-specific CT data were segmented and reconstructed and additive manufactured models were made of the liver vasculature, parenchyma and lesion. Using toolmaking and dissolvable scaffolds, models were transformed into tactile duplicates that could mimic liver tissue behaviour. RESULTS: Porcine liver tissue hardness was found to be 23 H00 (±0.1) and synthetic liver was 10 H00 (±2.3), while human parenchyma was reported as 15.06 H00 (±2.64). Average elastic Young's modulus of human liver was reported as 0.012 MPa, and synthetic liver was 0.012 MPa, but warmed porcine parenchyma was 0.28 MPa. The final liver model demonstrated a time-dependant viscoelastic response to cyclic loading. CONCLUSION: Synthetic liver was better than porcine liver at recreating the mechanical properties of living human liver. Warmed porcine liver was more brittle, less extensible and stiffer than both human and synthetic tissues. Qualitative surgical assessment of the model by a consultant liver surgeon showed vasculature was explorable and that bimanual palpation, organ delivery, transposition and organ slumping were analogous to human liver behaviour.
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 | 0,000 | 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 | 0,000 | 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) | 0,001 | 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 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 ».