Heightening Surgical Education and Virtual Reality Simulation of the Pterygopalatine Fossa through Photorealism
Notice bibliographique
Résumé
The neurovascular anatomy and the spatial orientation of the contents of the pterygopalatine fossa can be difficult to conceptually understand, especially for trainees. The lower frequency of real case scenarios where the pterygopalatine fossa is exposed, coupled with its challenging anatomy and limited learning resources make this region of the skull base an enigmatic area. We aimed to develop a surgical education app with multidisciplinary relevance to neurosurgery and otolaryngology trainees. Photorealistic techniques were applied to open-source, high fidelity illustrations of the pterygopalatine fossa. Paired with a high-resolution computed tomography scan of the human head to render the endonasal corridor, we elucidate the surgically relevant anatomy of this critical space in the context of the expanded endonasal transpterygoid approach to the pterygopalatine fossa. Blender, a three-dimensional modelling and rendering software, was employed for creating accurate three-dimensional anatomy, encompassing not only its sculpting tools but also its broader feature set. Lighting and textures were achieved through Sketchfab's capabilities, leveraging its platform for rendering and showcasing the three-dimensional models. Accurate rendering of the contents, foramina and boundaries was developed with expert surgeons and endoscopic anatomy photos. This virtual reality simulation facilitates 'just in time' learning at the fingertips of trainees in an interactive and immersive manner. We aim to augment surgical education via an accessible user interface that can accompany trainees to the operating room.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,000 | 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 ».