Creating a map of adipose tissue distribution and automated fat volume analysis for plastic surgery
Bibliographic record
Abstract
Contexte: Le tissu adipeux occupe une fonction fondamentale en chirurgie plastique, allant de l'extraction de graisse par liposuccion jusqu'au transfert de greffons vascularisés à des fins oncologiques et de reconstruction après une blessure traumatique. Les procédures qui nécessitent une manipulation de la graisse, comme la liposuccion, contiennent un degré de subjectivité principalement guidé par l'évaluation visuelle ou tactile de la graisse par le chirurgien. Ce jugement dicte le comportement procédural, dont les erreurs entraînent souvent des imperfections du contour du corps et, dans de cas plus rares, des complications potentiellement fatales. Il existe une lacune dans la littérature actuelle concernant les procédures de mesure objective qui intègrent le volume du tissu adipeux sous-cutané dans une approche per-opératoire, rapide, dynamique et économique. Les auteurs ont pour objectif de développer et de valider une interface sur le web avec un logiciel innovant basé sur les ultrasons dans lequel des mesures cliniquement précises du volume et de la distribution du tissu adipeux peuvent être efficacement estimées et simulées dans le cadre pré-opératoire. Méthodes: Dans la première phase de cette thèse, les efforts se sont concentrés sur la construction d'une nouvelle technologie basée sur le web dans laquelle les mesures ultrasonores peuvent facilement être intégrées pour construire des modèles 2D et 3D de tissus mous. La liposuccion a été choisie comme procédure de référence en raison de la possibilité de corréler facilement les mesures ultrasonores avec les volumes de graisse extraits dans les contenants de lipoplastie. Dans la deuxième phase, le projet pilote a recruté 18 participants dans une clinique de chirurgie plastique associée au Centre Universitaire de Santé McGill. Tous les participants ont reçu des échographies de la zone d'étude, conformément au manuel opérationnel, avant la chirurgie. Les profils adipeux estimés ont été générés à l'aide de SAT-Map, puis leur accord a été comparé directement avec la graisse aspirée enregistrée après séparation par gravité.Résultats: L'interface SAT-Map a été construite de manière intuitive pour simplement générer des modèles spécifiques au patient. Le système peut prendre en charge les profils de graisse de n'importe quel emplacement anatomique dans une représentation en grille en 2D et 3D. En outre, les modèles virtuels sont des cartes thermiques interactives qui peuvent être pivotées pour afficher différentes orientations des tissus. Après le test pilote, une analyse statistique Bland Altman a été réalisée pour déterminer la concordance entre le nouveau logiciel et les résultats de la liposuccion. L'analyse a indiqué que 43/44 mesures se situaient dans une marge de concordance de 95 % par rapport aux volumes cliniques de lipoaspirats (secs) recueillis après l'intervention. Le biais a été calculé à 9,15 ml avec un écart standard de 17,08 ml et des limites de confiance à 95 % de -24,34 ml et 42,63 ml. Ces résultats encourageants suggèrent que l'estimation par ultrasons à l'aide de SAT-Map est une technique qui mérite d'être approfondie pour les applications en chirurgie plastique.Conclusion: SAT-Map est le premier logiciel combiné qui mesure objectivement et génère une simulation de la distribution et du volume de la graisse. Ce projet a permis d’avancer le concept de la quantification objective de la graisse afin d'améliorer la conversation avec les patients, les résultats chirurgicaux et la satisfaction dans les procédures de liposuccion. Cette notion a été renforcée par le test pilote montrant que les mesures d'évaluation de la graisse pré-opératoire concordaient significativement avec les volumes de lipoaspiration opératoires. En fin de compte, cette nouvelle modalité d'un outil établi est un exemple des nouvelles applications de la technologie dans les soins de santé qui fournissent un meilleur retour d'information et des conseils aux patients et aux chirurgiens
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
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 teacher head, 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".