MétaCan
Menu
Retour à la cohorte
Enregistrement W7132922170

Feasibility of Skull Base Neuronavigation Using Optical Topographic Imaging Toward Guidance of Human and Robotic Drill Operators

2023· dissertation· W7132922170 sur OpenAlexfundno aff
Nirmeen Zagzoog

Notice bibliographique

RevueTSpace · 2023
Typedissertation
Langue
DomaineMedicine
ThématiqueFacial Trauma and Fracture Management
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of TorontoMcMaster University
Mots-clésMastoidectomyNeuronavigationDrillSkullFocus (optics)Image-guided surgeryRobot
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Mastoidectomy is a surgical procedure that allows access to critical portions of the skull base in order to treat a broad range of conditions. Mastoidectomy requires enormous precision and focus in order to avoid critical structures such as veins or nerves, and often occurs at the beginning of long, complex skull base operations, leading to cognitive and physical fatigue before some of the most crucial portions of a surgery have occurred. Neuronavigation, the technique of using preoperative imaging and patient anatomy to generate a surgical roadmap, is often used to facilitate safe mastoidectomy in current clinical practice. Optical topographical imaging (OTI) is a form of neuronavigation that uses structured light projected onto the operative surface to facilitate co-registration of 3D space with preoperative imaging. This thesis endeavored to explore whether OTI-assisted neuronavigation could be combined with multi-parameter, realtime data collection of the mechanical parameters of mastoidectomy, with the ultimate goal of developing a platform to be used in the future for robotic mastoidectomy. First, a comprehensive review of the current body of literature surrounding robotic mastoidectomy revealed that previous investigators had not yet quantified the mechanical parameters of mastoidectomy. Our next step was to compare both OTI-assisted and free-hand mastoidectomy, which revealed that OTI-assistance led to shorter procedure times. This set of experiments also demonstrated that OTI navigation was accurate in the skull base, while highlighting room for improvement of the accuracy of OTI navigation. Following this, we used an iterative design approach to develop a platform for multi-parameter, real-time data collection during the drilling. This platform allows for the collection of data ranging from drill tip movement to force magnitude in all three dimensions throughout mastoidectomy. Ultimately, this body of work serves to advance the goal of robotic OTI-assisted mastoidectomy by demonstrating the feasibility of OTI-assisted neuronavigation in the lateral skull base and developing a platform which can be used to create a reference database of the mechanical parameters of mastoidectomy, effectively serving to quantify a previously qualitative process. Future projects may use this database, in combination with patient-specific preoperative imaging, to train roboticalgorithms to perform mastoidectomy.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,474
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,074
Tête enseignante GPT0,399
Écart entre enseignants0,324 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTSpaceMême sujetFacial Trauma and Fracture ManagementTravaux en français237 207