Aller au contenu principal
Accès ouvert déclaré 2024 data-paper

Head model dataset for mixed reality navigation in neurosurgical interventions for intracranial lesions

8Citations signalées, ce qui n’est pas une note de qualité
6Institutions déclarées
3Pays d’affiliation déclarés

Rattachement africain : de, cn, jp. Niveau de preuve : code pays fourni par la source.

Le résumé fourni par la source

Mixed reality navigation (MRN) technology is emerging as an increasingly significant and interesting topic in neurosurgery. MRN enables neurosurgeons to "see through" the head with an interactive, hybrid visualization environment that merges virtual- and physical-world elements. Offering immersive, intuitive, and reliable guidance for preoperative and intraoperative intervention of intracranial lesions, MRN showcases its potential as an economically efficient and user-friendly alternative to standard neuronavigation systems. However, the clinical research and development of MRN systems present challenges: recruiting a sufficient number of patients within a limited timeframe is difficult, and acquiring low-cost, commercially available, medically significant head phantoms is equally challenging. To accelerate the development of novel MRN systems and surmount these obstacles, the study presents a dataset designed for MRN system development and testing in neurosurgery. It includes CT and MRI data from 19 patients with intracranial lesions and derived 3D models of anatomical structures and validation references. The models are available in Wavefront object (OBJ) and Stereolithography (STL) formats, supporting the creation and assessment of neurosurgical MRN applications.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.

Le contrôle bibliographique ouvert

DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.

Titre Crossref
Head model dataset for mixed reality navigation in neurosurgical interventions for intracranial lesions
Date Crossref
25/05/2024
Éditeur
Springer Science and Business Media LLC
Type
journal-article

Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.

Où se fait cette recherche

  • Philipps University of Marburg Department of Neurosurgery pays non établi dans la notice
    Université ou école supérieure
  • Chinese PLA General Hospital Department of Neurosurgery pays non établi dans la notice
    Établissement de santé
  • Hebei Medical University pays non établi dans la notice
    Université ou école supérieure
  • Army Medical University NCO School pays non établi dans la notice
    Université ou école supérieure
  • Kanazawa University pays non établi dans la notice
    Université ou école supérieure
  • Center for Behavioral Brain Sciences pays non établi dans la notice
    Université ou école supérieure
  • Graduate School of Medical Sciences Department of Neurosurgery pays non établi dans la notice
    Université ou école supérieure
  • Center for Mind pays non établi dans la notice
    Institution

Department of Neurosurgery — Philipps University of Marburg, Department of Neurosurgery — Chinese PLA General Hospital et Hebei Medical University, avec 5 autres affiliations.

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Les sujets associés

Medical Imaging and AnalysisRadiomics and Machine Learning in Medical ImagingMedical Imaging Techniques and Applications

BNTIC News n’est pas le producteur de ces données. Les publications sont interrogées à la demande dans Crossref, OpenAIRE, DOAJ, Europe PMC, HAL, DataCite, AfricArXiv, ROR et la Banque mondiale, sans clé d’accès. OpenAlex reste optionnel. Aucun service payant n’est nécessaire et aucune donnée externe n’est enregistrée en base. Consulter les sources et leurs limites.