Entwicklung und Evaluation einer Ultraschallnavigation für Freihandbiopsien kleiner Raumforderungen im Kopf-Hals-Bereich
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Ultrasound is an important imaging method in the head and neck area. It is readily available, dynamic, inexpensive, and does not involve radiation exposure. Interventions in the complex head and neck anatomy require good orientation, which is supported by navigation systems. OBJECTIVE: This work aimed to develop a new ultrasound-controlled navigation system for taking biopsies of small target structures in the head and neck region. METHODS: A neck phantom with sonographically detectable masses (size: 8-10 mm) was constructed. These were automatically segmented using a ResNet-50-based deep neural network. The ultrasound scanner was equipped with an individually manufactured tracking tool. RESULTS: The positions of the ultrasound device, the masses, and a puncture needle were recorded in the world coordinate system. In 8 out of 10 cases, an 8‑mm mass was hit. In a special evaluation phantom, the average deviation was calculated to be 2.5 mm. The tracked biopsy needle is aligned and navigated to the masses by auditory feedback. CONCLUSION: Outstanding advantages compared to conventional navigation systems include renunciation of preoperative tomographic imaging, automatic three-dimensional real-time registration that considers intraoperative tissue displacements, maintenance of the surgeon's optical axis at the surgical site without having to look at a navigation monitor, and working freely with both hands without holding the ultrasound scanner during biopsy taking. The described functional model can also be used in open head and neck surgery.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 | 0,001 |
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 découle