MRI as a viable alternative to CT for 3D surgical planning of cavitary bone tumors
Notice bibliographique
Résumé
Cavitary bone defects, defined as a volumetric loss of native bone tissue, require accurate preoperative imaging for treatment planning. While CT (computed tomography) has traditionally been the gold standard for segmentation due to its superior resolution of cortical bone, MRI (magnetic resonance imaging) offers unique advantages, particularly in visualizing the soft tissue-bone interface. Furthermore, MRI eliminates the ionizing radiation associated with CT, making it an advantageous alternative, especially in the management of benign and low-grade malignant bone tumors. Despite these advantages, MRI's inherently lower spatial resolution may introduce artifacts, which can complicate segmentation accuracy. This study evaluates the feasibility of MRI as a viable alternative to CT in the preoperative planning of cavitary bone defect treatment. We analyzed CT and MRI scans from 80 patients with benign and locally aggressive primary bone tumors, generating three-dimensional (3D) models through manual segmentation in Mimics, validated using Geomagic Control X. Volumetric differences between the CT- and MRI-derived models were assessed using the Wilcoxon signed-rank test and paired t-test. The mean volumetric difference between MRI and CT scans was 2.68 ± 1.44 %, which was not statistically significant (p = 0.15). Additionally, multiple regression analysis examining sex, age, and diagnosis revealed no significant differences in the 3D model volumes derived from the two imaging modalities (sex: p = 0.51, age: p = 0.98, and diagnosis: p = 0.50). These results support MRI-based segmentation as a reliable, radiation-free alternative to CT, particularly when precise delineation of soft tissue boundaries is critical for surgical planning.
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 | 0,000 | 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 ».