Utilisation de la réalité virtuelle pour la planification chirurgicale des tumeurs au niveau de la colonne vertébrale
Bibliographic record
Abstract
Les tumeurs de la colonne vertébrale, qu’elles soient primitives ou métastatiques, représentent un défi majeur en neurochirurgie en raison de leur proximité avec des structures neurologiques telles que la moëlle épinière et les racines nerveuses. Dans cette situation, en cas d’indication chirurgicale dans leur traitement, une planification chirurgicale minutieuse est nécessaire pour minimiser les risques de complications peropératoires ou postopératoire. Cependant les méthodes de visualisation d’images médicales en 2D ou 3D sur un écran d’ordinateur sont limitées en termes de perception spatiale. Les neurochirurgiens sont confrontés à une charge cognitive importante, car ils doivent mentalement reconstruire une image 3D à partir de la visualisation en 2D afin d’avoir une bonne appréhension des structures. En outre, l’analyse des relations spatiales entre les structures anatomiques même avec des images 3D sur un ordinateur, peut devenir compliqué dans certaines situations. Face à ces limites de visualisation, la réalité virtuelle s’avère être une solution innovante offrant une visualisation immersive et interactive. L’objectif de cette recherche est d’évaluer l’impact de l’utilisation de la réalité virtuelle dans la planification chirurgicale des tumeurs au niveau du rachis. Cette étude s’appuie sur une comparaison entre les deux modes de visualisations : réalité virtuelle et ordinateur, pour déterminer si la réalité virtuelle permet une meilleure perception des structures anatomiques et une amélioration du choix de la voie d’approche chirurgicale. La méthodologie utilisée est basée sur l’analyse du domaine de travail en neurochirurgie qui est une approche issue de l’ingénierie cognitive. Cette méthodologie a permis d’élaborer une échelle d’évaluation objective pour mesurer la qualité et la quantité des informations anatomo-fonctionnelles perçues à partir des deux modes de visualisations. Une étude usager a été menée auprès de huit neurochirurgiens du centre hospitalier universitaire de Montréal (CHUM). Chaque neurochirurgien a réalisé une planification chirurgicale de six différents cas de tumeurs du rachis en utilisant les deux modes de visualisations. Les résultats ont montré que la réalité virtuelle a permis la perception d’un grand nombre de structures anatomiques en un temps réduit par rapport à l’ordinateur. De plus la réalité virtuelle a permis de visualiser plus de structures anatomiques à traverser pour atteindre la tumeur, améliorant ainsi la planification de la voie d’approche chirurgicale. L’impact de la réalité virtuelle dans l’identification des structures anatomiques essentielles à la planification chirurgicale et son influence dans la prise de décision, notamment dans le choix de la voie d’approche chirurgicale a été démontrée. La réalité virtuelle offre une vision immersive et interactive permettant ainsi d’aider les neurochirurgiens pendant la planification chirurgicale, tout en réduisant les risques de complications peropératoires et postopératoires.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".