Improving Cranial Vault Remodeling for Unilateral Coronal Craniosynostosis—Introducing Automated Surgical Planning
Notice bibliographique
Résumé
Study Design: Cranial vault remodeling (CVR) for unicoronal synostosis is challenging due to the asymmetric nature of the deformity. Computer-automated surgical planning has demonstrated success in reducing the subjectivity of decision making in CVR in symmetric subtypes. This proof of concept study presents a novel method using Boolean functions and image registration to automatically suggest surgical steps in asymmetric craniosynostosis. Objective: The objective of this study is to introduce automated surgical planning into a CVR virtual workflow for an asymmetric craniosynostosis subtype. Methods: Virtual workflows were developed using Geomagic Freeform Plus software. Hausdorff distances and color maps were used to compare reconstruction models to the preoperative model and a control skull. Reconstruction models were rated as high or low performing based on similarity to the normal skull and the amount of advancement of the frontal bone (FB) and supra-orbital bar (SOB). Fifteen partially and fully automated workflow iterations were carried out. Results: FB and SOB advancement ranged from 3.08 to 10.48 mm, and -1.75 to 7.78 mm, respectively. Regarding distance from a normal skull, models ranged from .85 to 5.49 mm at the FB and 5.40 to 10.84 mm at the SOB. An advancement of 8.43 mm at the FB and 7.73 mm at the SOB was achieved in the highest performing model, and it differed to a comparative normal skull by .02 mm at the FB and .48 mm at the SOB. Conclusions: This is the first known attempt at developing an automated virtual surgical workflow for CVR in asymmetric craniosynostosis. Key regions of interest were outlined using Boolean operations, and surgical steps were suggested using image registration. These techniques improved post-operative skull morphology.
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 | 0,000 | 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 ».