EP09.03: Transposition of great arteries: three‐dimensional virtual and physical models from obstetrical ultrasound data
Notice bibliographique
Résumé
A diabetic 34-year-old woman, gravida 2 para 1, was referred for fetal echocardiography evaluation. During the fetal echocardiogram (25 weeks of gestation), abnormal outflow tracts showing a parallel course of the great arteries raised a strong suspicion of simple transposition of great arteries (TGA). The diagnosis was subsequently confirmed by the anatomical characteristics of the arteries that arose from each ventricle. Fetal echocardiogram was performed using a 3D high-resolution probe (4–8-MHz transducer, Voluson E9, GE Healthcare, Zipf, Austria). For post-processing images, software 3D Slicer (Birmington, UK) and Elucis (Realize Medical, Ottawa, ON, Canada) enabled the correct segmentation and texture improvement of the 3D US image. Using the software Elucis, we could segment the fetal heart in a virtual reality (VR) after import the images obtained through 4D-STIC and insert them into the application platform. A 3D model of the fetal heart was printed using a resin 3D printer (J5 MediJet 3D Printer Stratasys, USA). The 3D physical and virtual models were used in this case as interesting additional diagnostic tools to the current standard imaging armamentarium, enabling us to improve the quality of prenatal parental counselling and to optimise of cardiac surgical planning. The male neonate was born by Caesarean section and the surgical correction of TGA (arterial switch) was performed. Currently, he is clinically well, and has a mild aortic insufficiency. Acknowledgement: Financial support from FAPERJ Please note: The publisher is not responsible for the content or functionality of any supporting information supplied by the authors. Any queries (other than missing content) should be directed to the corresponding author for the article.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».