1 L’objectif de cette étude de cas rétrospective2 était de valider la précision de l’utilisation 3 des rapporteurs dans un environnement de réalité virtuelle. 4 Il s’agissait d’une étude à l’aveugle dans laquelle le placement 5 du chirurgien en VR a été comparé au positionnement réel 6 utilisé en chirurgie. 7 Actuellement, la visualisation optimale des anévrismes cérébraux8 et d’autres malformations vasculaires intracrâniennes 9 pour le traitement ou la planification nécessite la réalisation d’angiogrammes rotationnels 3D 10 au début de la procédure.
11 Cela expose le patient à des radiations 12 et augmente la durée de la procédure. 13 La segmentation en réalité virtuelle renforce la confiance des chirurgiens14 et augmente la compréhension des cas chirurgicaux complexes. 15 Le corps humain existe dans un espace 3D et sa visualisation 16 dans un espace 3D est beaucoup plus révélatrice d’une anatomie pathologique 17 que la visualisation d’un scanner ou d’une IRM 2D.
18 Ces résultats ont un impact sur la recherche et la médecine, 19 réduisant le temps de planification pour déterminer 20 l’angle de l’équipement d’imagerie dans la salle d’opération.21 Actuellement, les patients doivent être scannés avec un spin 360 22 afin que la position de l’arceau puisse être déterminée. 23 Nous croyons que nous pouvons réduire le temps de sédation du patient et son exposition aux radiations en proposant 25 des suggestions pour le positionnement de l’arceau avant la chirurgie. 26 La segmentation est l’acte de recréer des modèles 3D27 de l’anatomie spécifique du patient à partir d’images médicales.
28 C’est l’étape la plus critique, mais elle nécessite beaucoup de ressources 29 tant en termes d’exigences logicielles que d’expertise humaine. 30 En tant que tel, notre principal objectif de recherche 31 est l’automatisation de la segmentation, 32 l’utilisation de techniques d’apprentissage automatique 33 pour réduire la barrière à l’entrée 34 pour le déploiement de cette technologie à grande échelle.
