混合现实与人工算法和超声波之间的比较,用于定位前腿穿孔器的位置:一项前随机对照研究

科学领域:

• 手术创新 在外科创新.
• 医疗技术 医疗技术 医学技术
• 人体解剖学 解剖学 解剖学

背景情况:

• 前侧大腿穿孔片手术需要精确的血管识别.
• 像彩色多普勒超声波 (CDU) 这样的传统方法在准确度上有局限性.
• 将混合现实 (MR) 与人工算法集成,为提高手术精度提供了一种新的方法.

研究的目的:

• 为了评估混合现实 (MR) 技术与用于穿孔器容器定位的人工算法相结合的有效性.
• 为了比较基于MR的局部化与常规彩色多普勒超声波 (CDU) 在前侧大腿穿孔片手术中的性能.
• 提供临床见解,了解在重建外科手术中先进的成像技术的好处.

主要方法:

• 80名患者被随机分为两个组:MR (n=40) 和CDU (n=40).
• 核磁共振组使用CT血管造影 (CTA) 数据转换为3D模型,并使用定位装置和人工算法叠加到患者上.
• CDU组接受了标准的手术前定位. 结果包括穿孔器识别率,定位精度,片收获时间和片存活率.

主要成果:

• 与CDU组 (82.0%) (P=0.008) 相比,MR组显示出较高的船舶识别率 (94.3%).
• 在MR组中,定位精度显著提高,标记和实际船出口点之间的距离较小 (1.5毫米与2.7毫米相比,P<0.0001).
• 在MR组中,片收获时间缩短了 (52分 vs. 68分,P<0.0001),片存活率相似.

结论:

• 与人工算法集成的混合现实提供了卓越的穿孔器容器定位精度和效率.
• 这项技术对改善复杂的穿孔手术的结果具有显著的前景.
• 基于MR的导航对多学科的外科团队来说是一个宝贵的进步.