3D打印和3D Slicer在理解和治疗神经外科疾病方面的强大工具
Three-dimensional printing and 3D slicer powerful tools in understanding and treating neurosurgical diseases
前沿神经杂志2022 年 10月 14 日
前言
2022年10月Front Surg前沿神经杂志发表上海交通大学医学院附属新华医院崇明分院神经外科张健（Jian Zhang）主任团队综述，对3D打印和3D Slice在神经外科的应用进行了全面阐述，值得一读。
1 新华医院崇明分院神经外科，中国上海
2 新华医院崇明分院神经内科，中国上海
3 上海交通大学医学院附属新华医院神经外科，上海交通大学脑神经疾病中心，中国上海
4 上海市崇明卫生学校教育行政部，中国
随着3D打印行业的发展，临床医生可以在术前计划、个性化植入材料制造和生物医学组织建模等方面研究3D打印。尽管3D打印在许多外科学科中的应用越来越多，但许多医生并不具备利用这一令人兴奋和有价值的创新的专业能力。此外，随着3D打印技术在医疗领域的应用增加，可打印材料和3D打印机的数量也在增加。因此，临床医生需要及时了解这项新兴技术，以获得益处。
然而，3D打印技术严重依赖3D设计。3D Slicer可以将医学图像转换为数字模型，为3D打印做准备。由于大多数医生缺乏使用3D设计和建模软件的技术技能，我们引入了3DSlicer来解决这个问题。我们的目标是在本次审查中回顾3D打印和医疗应用的历史。此外，我们还总结了神经外科中的3D Slicer技术。我们希望这篇文章能让许多临床医生利用3D打印和3DSlicer的力量。
3D打印允许数字表面模型使用打印机生成物理模型。它已被用于各种医学学科，例如整形外科，骨科，颌面外科，神经外科和心脏外科[1]。本文旨在概述3D Slicer和3D打印技术及其在神经外科中的应用。我们将介绍3D打印和3D Slicer如何改善神经外科研究和实践。我们相信它可以提高神经外科医生的意识，以创建数字解剖模型来协助他们的日常实践。
我们通过系统检索EMBASE、PubMed、Web of Science、Elsevier、Medline和Cochrane图书馆，确定了截至2022年6月27日发表的研究。我们在标题/摘要/关键字或主题术语中使用以下术语（3D Slicer、3D 打印和神经外科）的组合。我们使用布尔运算符“AND”或“OR”来组合文献检索。最后，我们通过仔细评估写了这篇文章。
3D 打印概述
1981年，儿玉秀夫博士首次提出了3D打印技术，通过制造一种使用紫外线硬化聚合物并创建固体物体的装置[2]。在此基础上，Charles Hull于1983年发明了第一台3D打印机（立体光刻机，SLA）[3]。然后，选择性激光烧结（SLS）技术由Carl Deckard博士于1987年开发。一年后，第一台名为SLA-1的快速原型打印机出现在商业市场上。1989年，Scott Crump发明了熔融沉积建模（FDM），广泛用于聚合物材料。随后，引入了其他技术，例如喷墨打印，激光增材制造（LAM）和各种后续方法。今天，3D打印行业的领导者是两家著名的公司，3D Systems和Stratasys[4-6]。随着3D打印技术的发展，瑞士科学家于2021年制造了具有弹性特性的定制生物可吸收气道支架[7]。图1示意性地表示了3D打印的历史及其在医疗领域的成就。
为了更好地理解3D打印的原理，有必要简要概述增材制造技术（图2）。最常用的3D打印技术主要包括四类：基于还原聚合的打印，基于粉末的打印，基于挤出的打印和基于液滴的打印。首先，基于还原聚合的印刷使用特定波长的激光通过在一桶光固化树脂的表面产生紫外线束，一次局部固化一层树脂。该技术主要包括四种模式：立体光刻（SLA），直接或数字光处理（DLP）和连续液体界面生产（CDLP）。该技术提供了很高的几何精度，但树脂材料限制了其发展（图2A）[8]。其次，基于粉末的印刷技术依靠局部加热来融合由塑料、金属或陶瓷制成的热塑性粉末。基于粉末的打印技术包括选择性激光烧结 （SLS）、直接金属激光烧结 （DMLS）、电子束熔化 （EBM） 和选择性激光熔化 （SLM）。为了产生局部加热，SLS，DMLS和SLM使用由镜子引导的激光束，而EBM使用由电磁线圈精确引导的高能电子束。然后，在局部加热熔合横截面后，粉末床下降一层，并形成一层新的热塑性粉末。尽管这种方法可以生产几乎完全致密的零件，但需要更高的成本和有限的材料可用性（图2B）[9]。第三，基于挤出的技术包括熔融沉积建模（FDM）和直接墨水写入（DIW）。FDM使用热塑性或复合长丝（聚乳酸，丙烯腈丁二烯苯乙烯，聚酰胺，聚苯乙烯，聚碳酸酯），通过热喷嘴挤出。FDM提供高几何精度和模型，可承受操作环境中的消毒过程。DIW利用气动或机械点胶系统通过喷嘴或注射器将主要材料配制的浓缩悬浮液挤出在一起。这种方法是获得具有复杂几何形状的陶瓷件的众所周知的技术，但获得高密度件具有挑战性（图2C）[10]。第四，液滴印刷被定义为计算机控制的非接触式图案复制技术，主要包括多射流建模（MJM）、蜡沉积建模（WDM）、激光诱导前向转移（LIFT）和粘结剂喷射（BJ）。该技术依赖于液滴逐层精确喷射到基材上。虽然基于液滴的印刷允许全彩色原型制作，但它削弱了机械强度（图2D）[11]。
打印材料
3D打印质量取决于3D打印机和材料。适当的材料对于获得具有最佳性能的3D打印模型是必要的。用于医疗应用的3D打印材料包括但不限于聚合物，金属和陶瓷[12]。其中，聚合物，如聚醚醚酮或聚苯乙烯，是最常用的。由于碳基材料具有柔韧性和经济性，因此可用于实现所需的性能。与钢和钛一样，金属由于其强度、刚度和延展性而在医疗应用中有着悠久的历史。
然而，它们往往比聚合物更昂贵，并且更容易腐蚀。陶瓷是绝缘的，耐热或腐蚀性降解。然而，陶瓷是脆弱的，很难用它们的粉末重塑。最后，复合材料将聚合物、金属或陶瓷结合，创造出具有各自特性的材料。今天，许多3D打印材料都是复合材料，旨在获得所需的强度，柔韧性，耐用性和成本效益[13-15]。最近的一篇综述详细阐述了3D打印复合材料的进展[16]。
印刷和医疗应用
3D打印技术涉及许多医疗领域，包括整形外科，医疗和制药行业，神经外科和骨科[17-20]。随着技术的发展，组织和器官打印是一个新兴领域，已被证明在手术计划、解剖假体和实习生教育方面很有价值[21-22]。此外，3D打印已成为制药不可或缺的一部分。这样，可以以指定剂量单独打印药物，并且可以控制药物输送速度[23-24]。该技术的一部分还值得期待的是3D生物打印的潜在应用，这已经暗示了通过分配含有细胞的水凝胶来生物打印人造器官的可行性[25]。
神经外科打印
在神经外科中，很难从外部观察到涉及复杂，微小解剖结构的大多数外科手术。神经外科医生依靠神经影像学为高度定制的手术做准备[26]。标准影像学检查包括 X 线、CT 和 MRI[27-28]。然而，在有限的手术区域内很难理解这些结构之间的3D关系。借助3D打印技术，临床医生可以获得有效的解决方案。3D打印将解剖结构转换为3D图像，并制作用于术前计划和实践教育的物理模型。3D打印材料也可以应用于手术模拟的设计。模拟提供了一个逼真的场景，帮助外科医生根据需要经常排练手术，降低患者的潜在伤害风险[29-31]。此外，3D打印可用于原型设计和生产创新的手术设备，就像它在制造业中的功能一样。该技术可以创建与个体患者解剖结构相对应的器械和植入物，以实现个性化治疗[32-33]。在研究场景中，3D打印模型可以替代动物和人体来探索组织上不同条件的生物物理特征[34-35]。总之，神经外科中的3D打印有四个主要领域：
1. 为手术计划、培训和教育创建解剖模型。
2.发明用于治疗和评估神经外科疾病的神经外科设备。
3、生物组织工程植入物的研发。
4.组织生物物理特性研究。
有几篇文章报道了神经外科中的3D打印。例如，Kondo等人为22名患者生成了脑动脉瘤未破裂的头部的快速原型模型。这些模型完美地再现了显微外科解剖结构和动脉[36]。后来，Namba等人通过3D打印机动脉瘤模型[37]成功地在血管内手术前预先确定了最佳形状。
此外，打印的头部模型被用于计划和开发脑肿瘤的新疗法。Makoto等人成功制作了大脑的3D打印石膏模型，以确定颅底和深部肿瘤的最佳手术策略。尽管存在一些不可预测的问题，例如严重出血或肿瘤组织硬度，但外科医生可以使用计划的最佳手术窗口快速解决问题[38]。此外，3D打印已被证明是神经外科设备中的宝贵工具。3D打印使研究人员能够创建打印设备，以非侵入性形式记录大脑活动。
例如，Troebinger等人通过3D打印的特定受试者头部投射减少了脑磁图中会话内和会话内的共同配准错误[39]。此外，3D打印可以创建颅骨减压部分的模具以进行颅骨成形术。许多研究人员将模具用作由许多材料制成的植入物，例如钛，丙烯酸和聚醚酮[40-45]。例如，Rok Cho等人通过3D打印的多孔钛植入物实现了颅骨成形术。3D打印植入物完美修复了颅骨缺陷，没有特定的并发症和死腔[46]。同样，3D打印技术的进步彻底改变了颅缝早闭的治疗。
几篇文章已经证明了3D打印在颅缝早闭中的潜在好处，例如简化外科手术和指定个性化模板。然而，文献仍处于验证阶段，需要更广泛的病例系列研究来进一步说明这种方法的有效性。建模技术，植入成本和长期颅骨适应性也必须改进[47]。在科学研究中，Kolli等人使用3D打印模型来研究不同血流动力学条件对分数流量储备的影响。结果表明，主动脉压升高降低了有或没有心肌梗死的血管组狭窄的分数血流储备值[34]。这些文章加在一起，只是其中的一部分。随着技术的快速发展，越来越多的3D打印新应用在实践中问世[31]。
3D医疗打印的局限性
3D设计和打印在神经外科中的广泛应用存在一些限制：
1.有速度限制。由于打印机需要很长时间才能构建3D模型，因此脑出血等一些急性疾病没有时间等待实现3D模型[48]。尽管一些公司声称他们的打印机结合了良好的打印速度和高分辨率的优点，但其实用性需要在进一步的临床研究中得到验证[49]。
2.材料是另一种限制。国际上没有特别的标准来选择用于3D打印的医用材料。因此，医生只选择结构，功能，临床效果和临床经验的材料，而不是基于可靠的指标和实验证据进行选择[50]。
3.3D打印的成本不确定。3D打印部件的成本在很大程度上取决于制造设施和材料。尽管市场上存在各种廉价的桌面3D打印机，但这些打印机很难达到高质量标准。但是，一些高端打印机需要由客户支持代表培训的特殊人员来操作它们。如果包括人力资源成本、时间成本和材料成本，3D打印的总成本将是巨大的。此外，材料和细丝是消耗品。高昂的价格和较短的有效期增加了3D打印机的成本，尤其是高端打印机[1,31]。
4. 许多外科医生缺乏3D设计和建模的技术技能。这种缺乏导致3D打印在医疗领域的采用速度较慢。因此，我们希望通过演示使用3D Slicer进行数字建模来克服这一障碍。
3D Slicer简介
3D Slicer是一种在个人计算机上运行的多平台软件，可以通过各种成像技术直接可视化患者的解剖结构[51]。它能够融合解剖数据和功能，并为处理和多模态分析提供各种通用和专用工具（表1）。David Gering在1999年的硕士论文中首次提出了Slicer的原型，这是基于麻省理工学院早期研究小组和波士顿布莱根妇女医院外科计划实验室的经验。
随后，Steve Pieper担任Slicer的首席架构师，将3D Slicer商业化以满足工业级安装包的要求。自1999年以来，由Ron Kikinis领导的外科计划实验室一直遵循3D Slicer的开发。如今，3D Slicer 是专业工程师、算法开发人员和应用科学家的协作成果。Isomics，Kitware和GE Global Research等公司已加入Slicer。不断壮大的Slicer社区也为其发展做出了重大贡献。
3D Slicer最初被认为是神经外科中用于引导治疗、可视化和分析的系统。然而，几十年来，3D Slicer已经发展成为一个综合平台，可用于各种临床和临床前研究应用以及非医学图像分析[52]。
3D Slicer的体系结构遵循模块化和分层方法（图3）。OpenGL 和硬件驱动程序等虚拟库未与 3D Slicer打包在一起，并且不由较低体系结构级别的操作系统提供。在上述级别，有一些语言（主要是C++，Python和JavaScript）和库（Qt，DCMTK，jqPlot）提供了更高级别的功能和抽象[53,54]。3D Slicer的所有外部依赖项都是跨平台可移植的，在与3D Slicer完全兼容的许可证下分发，这使得它广泛用于商业或开源产品。3D Slicer的最大优势在于其多功能性，因为它提供了一个强大的API（应用程序编程接口），用于使用python和其他编程语言的自制代码与软件进行交互。这一点使用户能够在3D Slicer之上构建新的工具和应用程序。
作为一个免费的开源可扩展软件，3D Slicer的基本功能包括医疗数据的可视化，配准，分割和量化[55]。此外，3D Slicer可以扩展，以便为各种应用程序开发交互式和批处理工具[56]。例如，通过外部代码，3D Slicer 可实现各种应用，包括纤维束、定量、影像组学和 AR。3D Slicer的开发离不开社区的努力。由于许多团体和个人用户通过报告软件问题和提供解决方案、建议新功能和开发新的快速工具，不断免费改进 3D Slicer。
几十年前，3D Slicer被用于计算机辅助3D计划，导航和术中成像[51,57-60]。近年来，神经外科趋势是微创和最大安全性[61]。然而，许多工具，如神经外科导航系统和术中成像技术，往往价格昂贵，因此难以在低收入和中等收入地区实施[62-64]。3D Slicer具有新颖、操作简便、成本低等特点，可用于神经外科的诊断和术前计划[51,52]。通过将3D Slicer与3D打印相结合，可以为外科医生提供一些新的想法，以开发更好的手术程序。
3DSlicer在神经外科研究中的应用
01
3D Slicer和 3D 重建
3D Slicer可以通过扩展此软件来启用新的算法和应用程序。它允许多种配置，从医学图像的简单3D可视化到不同的重建和生成图像[65]。在神经外科手术中，医生使用传统的3D技术，如MRI（磁共振成像）或CT（计算机断层扫描）大脑扫描来查看病变位置。3D Slicer的自动系统可用于 3D 分析分割，为医生提供大脑中病变大小和位置的完整视图。例如，3D Slicer通常用于重建神经胶质瘤、颅神经、脑室内、血管和脑内血肿的完整视图 [66-69]。
02
3D Slicer和脑肿瘤
神经胶质瘤是成人中最具侵袭性的脑肿瘤形式。主要治疗包括手术，放疗和化疗[70]。由于切除区域对预后有重要影响，因此确定肿瘤边界和检测切除区域具有重要意义[71]。3D Slicer可以提供强大，易于使用的图像信息学框架，该框架可以利用脑肿瘤的交互式分割和图像引导疗法[72]。例如，Liang等人基于术前MRI使用3D Slicer软件制定了术前计划，并获得了最大程度的胶质瘤切除和功能保护[73]。然而，如果术前计划仅基于初始MR图像，则手术的准确性会降低。由于脑移位和脑组织变形，这导致实际解剖位置与虚拟解剖位置不同。尽管一些研究人员提出外科医生可以使用术中MRI和3DSlicer来解决脑移位和脑组织变形[51,60,74]，但我们仍在等待一种依赖于3D Slicer的更直接的方法。
03
3D Slicer和颅神经
随着现代神经成像的最新进展，越来越多的颅神经可以通过医学成像来检测。保留颅神经功能仍然是切除脑部病变的重要目标。近年来，随着3D Slicer的发展，可以重建脑病变及其周围颅神经的三维解剖结构的可视化，通过制定保护关键神经结构的术前计划来提高手术的安全性和有效性[66-67]。Jun等人证实，3D Slicer技术可以通过术中探索准确显示神经与颅内病变之间的包裹和邻近关系[75]。特别是，3D Slicer提供高质量的3D可视化，显示三叉神经痛患者神经和血管之间的关系。这在临床实践中对微血管减压进行了术前评估[76-77]。然而，由于样本数量有限，该技术需要更多的研究和相关统计分析来评估临床效果。
04
3D Slicer和纤维束
当神经外科医生开始计划肿瘤切除时，纤维束解剖学的知识变得至关重要[78]。外科医生必须避免患者的运动、认知或视觉功能严重受损，因此应保持纤维束的整体性[79-80]。多个国际研究中心最近开发了3D Slicer在神经外科和肿瘤学中的应用。它具有许多扩散功能，例如光纤牵引术，光纤选择和光纤重建[81]。实际上，通过3D Slicer，Yang等人成功地利用自己构建的3D虚拟图像实现了神经外科手术，尽可能避免了纤维束的损伤[27]。3D Slicer可以使用插件“MultiXplore”来实现脑纤维成像。与传统的连接可视化技术不同，3D Slicer依靠插件“Multixplore”来显示更逼真的图形，并帮助医生将神经纤维束与解剖结构联系起来。Bakhshmand等人详细介绍了如何使用MultiXplore[82]。
05
3D Slicer和量化
神经外科医生可以使用 3D Slicer来计算体积变化，以评估许多临床问题。例如，Li等人通过3D Slicer重建和定量计算获得了神经内窥镜应用在治疗颅中窝蛛网膜囊肿的有效性[83]。Xu等人发现3D Slicer是一种低成本，准确且实用的测量脑内血肿体积的技术[84]。Cheng等人使用3D Slicer测量和比较三叉神经池段的体积，以研究神经萎缩是否影响显微镜血管减压的疗效。3D Slicer软件的体积测量也用于评估肿瘤生长速率与组织学分级之间的关系[85]。此外，3D Slicer的体积分割在脑脊液渗漏中显示出预测价值，并与术后并发症相关[86]。我们期待更多的新应用来预测其他未知领域。
06
3D Slicer和影像组学
目前，影像组学广泛应用于中枢神经系统疾病。“影像组学”的核心假设是从放射图像中提取许多图像特征，然后转换为可利用的特征空间数据，可以显示疾病的特征[87-88]。由于3D Slicer软件可用于计算影像组学特征，因此它在临床研究中具有广泛的用途。Cellina等人发现，通过3D Slicer从视神经中提取的影像组学分析可以评估视觉功能并预测多发性硬化症的发展[89]。此外，Qi等人探索了通过影像组学预测早期脑认知障碍的可行性[90]。将3DSlicer和放射指标相结合作为新的研究方向在疾病诊断和识别方面具有巨大的潜力。
07
3D Slicer和增强现实 （AR） 技术
增强现实是最近开发的一项技术，通过计算机将信息添加到实际的手术领域[91]。在许多发展中国家，在计算机上运行的3D渲染软件（如3D Slicer，NIRFast或ITK-Snap）构成了主要的AR系统[92-93]。在神经外科中，增强现实目前可用于模拟和训练。然而，由于技术的障碍和局限性，在临床中使用AR还处于起步阶段[91]。Inoue等人利用AR技术和3D Slicer开发了一种神经导航系统，帮助外科医生进行安全的外科手术。由于精确测量和眼球运动的限制，导航系统需要进一步优化[94]。即便如此，我们相信AR技术和3D Slicer在神经外科中具有广阔的前景和巨大的应用潜力。
08
Slicer和 3D 打印
三维打印（3D打印），特定的增材制造，是一种廉价且易于访问的制造技术，用于将数字对象转换为物理模型[95]。使用3D Slicer软件处理数字模型，为3D打印做准备。3D打印创建的逼真模型在培训和手术计划方面具有明显的优势[96]。同样，可以实现3D打印的其他优势，例如研究和开发生物组织工程植入物。
许多研究文章都使用了3D Slicer和3D打印。例如，Memn等人使用3D Slicer分割降主动脉，肾动脉和肾脏解剖结构，为3D打印模型创建计算机辅助图像。他们发现，肾动脉解剖学的术前3D打印可以帮助医务人员减少造影剂，透视和手术时间[97]。Moser等人使用3D Slicer和3D打印机预制用于颌面外科的骨合成板[98]。Cheng等人使用3D Slicer设计了个性化的气道假体，然后通过3D打印机打印出来[99]。Xu等人使用3D Slicer获得3D气道模型。支架定制是通过3D打印根据3D模型尺寸进行的。插入打印支架后，他们发现患者气道性能有所改善[100]。在神经外科中，3D打印已应用于颅底手术和创伤，例如3D打印导航模型和颅骨重建[101-103]。这些例子只是冰山一角，但它们展示了3D Slicer和3D打印在医学中的成功结合。我们特别设计了一张图片来展示3D打印和3D Slicer如何改善神经外科研究和实践（图4）。
09
缺陷
有些神经外科疾病是急性的，如急性脑出血和脑疝。使用3D Slicer和3D打印进行术前计划可能会延迟这些疾病的治疗。如果医生完成包括数据收集、数据处理和模型工作的建模过程，患者将错过最佳手术时间。此外，由于大多数医生专门从事医学或手术，因此学习3D Slicer和3D打印会增加他们的工作量。这使得这项技术在临床上传播缓慢。
此外，由于人力资源成本、时间成本和材料成本，大多数3D打印的成本是巨大的，这将使低收入和中等收入国家难以负担。但是，如果选择低成本的打印机和材料，则可以实现简单的操作培训。例如，低收入和中等收入地区选择聚酯纤维来打印3D模型，这很粗糙，但足以进行神经外科培训和实践。至于3D Slicer，我们认为它适用于手术前计划，因为它在低收入和中等收入地区是免费的。综上所述，3D Slicer和3D打印可以成为经济欠发达地区强大的医疗工具。
三维打印和3D Slicer是神经外科的强大工具
由于以上对3D Slicer和3D打印的总结，目前展示的知识相对专业和抽象。我们特别总结了相关实例，以增加神经外科医生的兴趣，并进一步说明了3D Slicer和3D打印在神经外科中的应用。同时，我们绘制了相关视频来演示基本的软件操作。我们希望通过这些视频为读者提供通俗易懂的操作介绍。重要的是要注意，这些视频没有显示最新的图形技术。有关更高级的图形和建模技术，请参阅 3D Slicer论坛 （https://www.slicer.org/） 中分享的经验。由于我们的论文侧重于在神经外科中结合3D Slicer和3D打印，因此我们在这里仅总结了3D Slicer软件的相关示例。需要注意的是，市面上的许多软件都可以代替3DSlicer进行建模。读者可以从这一点进行推断，并使用3D打印进行更相关的研究。
01
颅内动脉瘤夹闭术前计划
Maciej等通过结合3D Slicer和3D打印，实现了颅内动脉瘤的术前规划，实现了低成本、高精度的手术效果。而且，他们的研究进一步证明，结合这两种技术可以在神经外科中实现良好的术前计划和临床教学意义。他们的主要步骤是收集成像数据，然后使用3D Slicer软件构建一个G代码文件，打印机可以读取该文件以打印出3D物理模型。最后，物理模型用于术前计划和临床教学[104]。
02
减压颅骨切除术后脑保护的保护帽
基于脑CT数据，Shi等人使用3D Slicer和3D打印技术设计了一种脑保护帽装置。该装置可以保护颅骨缺陷患者免受脑组织压迫，其临床结果显示出特定的临床价值，可用于改善无法接受颅骨修复的患者的生活质量。在他们的研究中，患者术后的CT数据由3D Slicer处理，并在3D建模中完成缺陷，形成整个颅骨模型。然后选择有缺陷的头骨数据形成有缺陷的头骨模型。最后，将缺陷模型数据放入3D打印机打印出来，生成个性化的保护帽。当患者佩戴时，大脑保护帽通过网状弹性帽固定在患者的头部。在后来的后续研究中，他们发现个性化保护帽具有价格低廉、设计简单、快捷等优点。此外，还可以减少安全隐患，降低继发性意外脑损伤的发生率，改善颅骨形状和外观，增加患者的生活信心，具有特定的临床促进意义[105]。
03
用于生物力学研究的3D打印脊柱模型
3D Slicer和3D打印不仅用于临床研究，还用于生物学研究。基础研究的新成果对神经外科后续临床应用也有很大帮助。William等人成功使用3D Slier处理成像数据并生成3D颈椎模型，然后使用3D打印机将虚拟模型打印成物理模型，以了解不同个体颈椎的生物学功能[106]。这项研究实际上在神经外科具有一定的研究价值。就像椎管损伤一样，退行性或创伤性病变，如后纵韧带骨化、小关节肥大、椎体骨折或脱臼以及许多其他情况，都可以通过这个3D打印模型进行评估。在手术干预之前，该模型允许分析患者的特定条件，例如手术定位期间的管腔变化和减压后的尺寸变化。
04
导航系统技术用于深部脑肿瘤
Moneer等人使用3D切片软件构建患者深部脑肿瘤的3D模型。然后，医生通过结合皮层、肿瘤表面和皮层外几毫米处的点来确定轨迹。然后使用3D打印模型来测试手术方法的准确性。对于术前计划，医生通过模型确定入口点并将其与软件中显示的入口点相匹配，然后将笔式鼠标在滑动轨迹上向上拉几毫米并旋转它，直到它符合预定义的轨迹。临床结果显示良好的手术结果，与传统手术导航相比，成本和时间更少[107]。这个例子完美地展示了3D Slicer和3D打印在脑肿瘤切除中的应用。详细的过程可以在Moneer等人的研究中找到，它提供了详细的视频解释。
05
3D Slicer和3D打印机生成有缺陷的头骨模型
在我们的论文中，为了进一步更清楚地展示相关的设计过程，并方便神经外科医生进一步理解这两种技术的结合，我们以颅骨修复为例进行简单的演示。生成有缺陷的颅骨模型很简单。下载并安装 3D Slicer后，用户需要安装区段编辑器的扩展。然后，用户需要加载CT扫描并开始颅骨重建。定制 3D 建模方法用于种植体开发。一旦生成了有缺陷的头骨模型的数字模型，用户可以将文件保存为 STL 或 OBJ 格式，然后将其发送到 3D 打印机进行打印（图5）。
结论和今后的考虑
3D Slicer可以辅助神经外科手术，目前认为3D Slicer提供了一种低成本和简单的方法来提高手术的疗效和安全性。虽然 3D Slicer 是免费提供的，但任何使用（例如临床使用）完全是用户的责任，必须遵守当地法规。另一方面，3D Slicer与其他新兴技术相结合，如AR技术或3D打印，以促进微创神经外科的发展。因此，开发3D Slicer的新功能至关重要，尤其是在发展中国家。毕竟，由于经济和科学水平的差异，前沿技术（例如，手术机器人，高精度立体定位和神经导航）不会在所有领域都得到利用。
至于3D打印，随着3D打印的快速发展和医疗应用的增加，仍然存在许多挑战。在目前的神经外科手术中，速度，材料和不确定的成本将3D打印限制在实验阶段。然而，我们认为，今后必须充分解决这一问题。因为随着科学技术的发展，人们不可避免地发现了理想的材料。作为制造和设计领域的一项新技术，3D打印可以改变医学的未来。
在目前的研究中，3D Slicer和3D打印的结合仍处于研究阶段。遗憾的是，大多数关于3D打印和3D Slicer的医学报告都是实验研究。需要更多的临床研究和实验来获得有关这些技术的效用和准确性的证据。我们希望这篇综述能够引起医护人员对3D Slicer和3D打印研究的关注，探索更多新的应用、合作领域和新的增长点。
参考文献
1. Tack P, Victor J, Gemmel P, Annemans L. 3D-printing Techniques in a medical setting: a systematic literature review. Biomed Eng Online. (2016) 15:115. doi: 10.1186/s12938-016-0236-4
2. Attarilar S, Ebrahimi M, Djavanroodi F, Fu Y, Wang L, Yang J. 3d printing technologies in metallic implants: a thematic review on the techniques and procedures. nt J Bioprinting. (2021) 7(1):306. doi: 10.18063/ijb.v7i1.306
3. Hull C, Spence S, Albert D, Smalley D, Harlow R. Methods and apparatus for production of three-dimensional objects by stereolithography. Patent NumberUS 5059359 (1991).
4. Wang X, Jiang M, Zhou Z, Gou J, Hui D. 3D Printing of polymer matrix composites: a review and prospective. Compos Part B. (2017) 110:442–58. doi: 10.1016/j.compositesb.2016.11.034
5. Noor N, Shapira A, Edri R, Gal I, Wertheim L, Dvir T. 3D Printing of personalized thick and perfusable cardiac patches and hearts. Adv Sci. (2019) 6:1900344. doi: 10.1002/advs.201900344
6. Edgar J, Tint S. “Additive manufacturing technologies: 3D printing, rapid prototyping, and direct digital manufacturing”, 2nd edition. Johnson Matthey Technol Rev. (2015) 59(3):1938. doi: 10.1595/205651315x688406
7. Paunović N, Bao Y, Coulter FB, Masania K, Geks AK, Klein K, et al. Digital light 3D printing of customized bioresorbable airway stents with elastomeric properties. Sci Adv. (2021) 7:eabe9499. doi: 10.1126/sciadv.abe9499
8. Kim GB, Lee S, Kim H, Yang DH, Kim YH, Kyung YS, et al. Three-Dimensional printing: basic principles and applications in medicine and radiology. Korean J Radiol. (2016) 17:182–97. doi: 10.3348/kjr.2016.17.2.182
9. Chin SY, Dikshit V, Meera Priyadarshini B, Zhang Y. Powder-based 3D printing for the fabrication of device with micro and mesoscale features. Micromachines (Basel). (2020) 11(7):658. doi: 10.3390/mi11070658
10. Pinargote NWS, Smirnov A, Peretyagin N, Seleznev A, Peretyagin P. Direct ink writing technology (3D printing) of graphene-based ceramic nanocomposites: a review. Nanomaterials (Basel). (2020) 10(7):1300–00. doi: 10.3390/nano10071300
11. Abdolmaleki H, Kidmose P, Agarwala S. Droplet-based techniques for printing of functional inks for flexible physical sensors. Adv Mater. (2021) 33:e2006792. doi: 10.1002/adma.202006792
12. Kirby B, Kenkel JM, Zhang AY, Amirlak B, Suszynski TM. Three-dimensional (3D) synthetic printing for the manufacture of non-biodegradable models, tools and implants used in surgery: a review of current methods. J Med Eng Technol. (2021) 45:14–21. doi: 10.1080/03091902.2020.1838643
13. Khorsandi D, Fahimipour A, Abasian P, Saber SS, Seyedi M, Ghanavati S, et al. 3D And 4D printing in dentistry and maxillofacial surgery: printing techniques, materials, and applications. Acta Biomater. (2021) 122:26–49. doi: 10.1016/j.actbio.2020.12.044
14. Cai H, Liu Z, Wei F, Yu M, Xu N, Li Z. 3D Printing in spine surgery. Adv Exp Med Biol. (2018) 1093:345–59. doi: 10.1007/978-981-13-1396-7_27
15. Pugliese L, Marconi S, Negrello E, Mauri V, Peri A, Gallo V, et al. The clinical use of 3D printing in surgery. Updates Surg. (2018) 70:381–8. doi: 10.1007/s13304-018-0586-5
16. Jammalamadaka U, Tappa K. Recent advances in biomaterials for 3D printing and tissue engineering. J Funct Biomater. (2018) 9(1):22–36. doi: 10.3390/jfb9010022
17. Fan D, Li Y, Wang X, Zhu T, Wang Q, Cai H, et al. Progressive 3D printing technology and its application in medical materials. Front Pharmacol. (2020) 11:122. doi: 10.3389/fphar.2020.00122
18. D'Urso PS, Barker TM, Earwaker WJ, Bruce LJ, Atkinson RL, Lanigan MW, et al. Stereolithographic biomodelling in cranio-maxillofacial surgery: a prospective trial. J Craniomaxillofac Surg. (1999) 27:30–7. doi: 10.1016/S1010-5182(99)80007-9
19. Heuser L, Machtens E, Massberg W. Custom-made cast titanium implants produced with CAD/CAM for the reconstruction of cranium defects. Int J Oral Maxillofac Surg. (1999) 28:314–5. doi: 10.1016/S0901-5027(99)80166-0
20. Paul GM, Rezaienia A, Wen P, Condoor S, Parkar N, King W, et al. Medical applications for 3D printing: recent developments. Mo Med. (2018) 115:75–81. PMID: 30228688; PMCID: PMC6139809
21. Mukherjee P, Cheng K, Flanagan S, Greenberg S. Utility of 3D printed temporal bones in pre-surgical planning for complex BoneBridge cases. Eur Arch Otorhinolaryngol. (2017) 274:3021–8. doi: 10.1007/s00405-017-4618-4
22. Kim MS, Hansgen AR, Wink O, Quaife RA, Carroll JD. Rapid prototyping: a new tool in understanding and treating structural heart disease. Circulation. (2008) 117:2388–94. doi: 10.1161/CIRCULATIONAHA.107.740977
23. Orsi G, De Maria C, Montemurro F, Chauhan VM, Aylott JW, Vozzi G. Combining inkjet printing and sol-gel chemistry for making pH-sensitive surfaces. Curr Top Med Chem. (2015) 15:271–8. doi: 10.2174/1568026614666141229114738
24. Norman J, Madurawe RD, Moore CM, Khan MA, Khairuzzaman A. A new chapter in pharmaceutical manufacturing: 3D-printed drug products. Adv Drug Deliv Rev. (2017) 108:39–50. doi: 10.1016/j.addr.2016.03.001
25. Mandrycky C, Wang Z, Kim K, Kim DH. 3D Bioprinting for engineering complex tissues. Biotechnol Adv. (2016) 34:422–34. doi: 10.1016/j.biotechadv.2015.12.011
26. Klein GT, Lu Y, Wang MY. 3D Printing and neurosurgery–ready for prime time? World Neurosurg. (2013) 80:233–5. doi: 10.1016/j.wneu.2013.07.009
27. Yang J, Wu YT, Dong K, Jiang H, Yang R, Wu Y, et al. The study of self-constructed brainstem fiber bundle by neurosurgeon through using 3D-Slicer software. Zhonghua yi xue za zhi. (2020) 100(8):604–9. doi: 10.3760/cma.j.issn.0376-2491.2020.08.008
28. Xu W-H, Liu J, Li M-L, Sun Z-Y, Chen J, Wu J-H. 3D Printing of intracranial artery stenosis based on the source images of magnetic resonance angiograph. Ann Transl Med. (2014) 2(8):74. doi: 10.3978/j.issn.2305-5839.2014.08.02
29. Anderson JR, Thompson WL, Alkattan AK, Diaz O, Klucznik R, Zhang YJ, et al. Three-dimensional printing of anatomically accurate, patient specific intracranial aneurysm models. J Neurointerv Surg. (2016) 8:517–20. doi: 10.1136/neurintsurg-2015-011686
30. Mashiko T, Otani K, Kawano R, Konno T, Kaneko N, Ito Y, et al. Development of three-dimensional hollow elastic model for cerebral aneurysm clipping simulation enabling rapid and low cost prototyping. World Neurosurg. (2015) 83:351–61. doi: 10.1016/j.wneu.2013.10.032
31. Pucci JU, Christophe BR, Sisti JA, Connolly ES Jr. Three-dimensional printing: technologies, applications, and limitations in neurosurgery. Biotechnol Adv. (2017) 35:521–9. doi: 10.1016/j.biotechadv.2017.05.007
32. Chang YS, Ahn SY, Yoo HS, Sung SI, Choi SJ, Oh WI, et al. Mesenchymal stem cells for bronchopulmonary dysplasia: phase 1 dose-escalation clinical trial. J Pediatr. (2014) 164:966–972.e6. doi: 10.1016/j.jpeds.2013.12.011
33. Mowry SE, Jammal H, Myer Ct, Solares CA, Weinberger P. A novel temporal bone simulation model using 3D printing techniques. Otol Neurotol. (2015) 36:1562–5. doi: 10.1097/MAO.0000000000000848
34. Kolli KK, Min JK, Ha S, Soohoo H, Xiong G. Effect of varying hemodynamic and vascular conditions on fractional flow reserve: an in vitro study. J Am Heart Assoc. (2016) 5(7):e003634. doi: 10.1161/JAHA.116.003634
35. Gobin YP, Counord JL, Flaud P, Duffaux J. In vitro study of haemodynamics in a giant saccular aneurysm model: influence of flow dynamics in the parent vessel and effects of coil embolisation. Neuroradiology. (1994) 36:530–6. doi: 10.1007/BF00593516
36. Kondo K, Nemoto M, Masuda H, Okonogi S, Nomoto J, Harada N, et al. Anatomical reproducibility of a head model molded by a three-dimensional printer. Neurol Med Chir (Tokyo). (2015) 55:592–8. doi: 10.2176/nmc.oa.2014-0436
37. Namba K, Higaki A, Kaneko N, Mashiko T, Nemoto S, Watanabe E. Microcatheter shaping for intracranial aneurysm coiling using the 3-dimensional printing rapid prototyping technology: preliminary result in the first 10 consecutive cases. World Neurosurg. (2015) 84:178–86. doi: 10.1016/j.wneu.2015.03.006
38. Oishi M, Fukuda M, Yajima N, Yoshida K, Takahashi M, Hiraishi T, et al. Interactive presurgical simulation applying advanced 3D imaging and modeling techniques for skull base and deep tumors. J Neurosurg. (2013) 119:94–105. doi: 10.3171/2013.3.JNS121109
39. Troebinger L, López JD, Lutti A, Bradbury D, Bestmann S, Barnes G. High precision anatomy for MEG. NeuroImage. (2014) 86:583–91. doi: 10.1016/j.neuroimage.2013.07.065
40. Caro-Osorio E, De la Garza-Ramos R, Martínez-Sánchez SR, Olazarán-Salinas F. Cranioplasty with polymethylmethacrylate prostheses fabricated by hand using original bone flaps: technical note and surgical outcomes. Surg Neurol Int. (2013) 4:136. doi: 10.4103/2152-7806.119535
41. Marbacher S, Andereggen L, Erhardt S, Fathi AR, Fandino J, Raabe A, et al. Intraoperative template-molded bone flap reconstruction for patient-specific cranioplasty. Neurosurg Rev. (2012) 35:527–35; discussion 535. doi: 10.1007/s10143-012-0376-3
42. Fathi AR, Marbacher S, Lukes A. Cost-effective patient-specific intraoperative molded cranioplasty. J Craniofac Surg. (2008) 19:777–81. doi: 10.1097/SCS.0b013e31816b1b2a
43. Shah AM, Jung H, Skirboll S. Materials used in cranioplasty: a history and analysis. Neurosurg Focus. (2014) 36:E19. doi: 10.3171/2014.2.FOCUS13561
44. D'Urso PS, Earwaker WJ, Barker TM, Redmond MJ, Thompson RG, Effeney DJ, et al. Custom cranioplasty using stereolithography and acrylic. Br J Plast Surg. (2000) 53:200–4. doi: 10.1054/bjps.1999.3268
45. Rosenthal G, Ng I, Moscovici S, Lee KK, Lay T, Martin C, et al. Polyetheretherketone implants for the repair of large cranial defects: a 3-center experience. Neurosurgery. (2014) 75:523–9; discussion 528-9. doi: 10.1227/NEU.0000000000000477
46. Cho HR, Roh TS, Shim KW, Kim YO, Lew DH, Yun IS. Skull reconstruction with custom made three-dimensional Titanium implant. Arch Craniofac Surg. (2015) 16:11–6. doi: 10.7181/acfs.2015.16.1.11
47. Soldozy S, Yağmurlu K, Akyeampong DK, Burke R, Morgenstern PF, Keating RF, et al. Three-dimensional printing and craniosynostosis surgery. Child Care Health Dev's nervous System: ChNS. (2021) 37:2487–95. doi: 10.1007/s00381-021-05133-8
48. Lan Q, Chen A, Zhang T, Li G, Zhu Q, Fan X, et al. Development of three-dimensional printed craniocerebral models for simulated neurosurgery. World Neurosurg. (2016) 91:434–42. doi: 10.1016/j.wneu.2016.04.069
49. Xu X, Awad A, Robles-Martinez P, Gaisford S, Goyanes A, Basit AW. Vat photopolymerization 3D printing for advanced drug delivery and medical device applications. J Control Release. (2021) 329:743–57. doi: 10.1016/j.jconrel.2020.10.008
50. Yan Q, Dong H, Su J, Han J, Song B, Wei Q, et al. A review of 3D printing technology for medical applications. Engineering. (2018) 4:729–42. doi: 10.1016/j.eng.2018.07.021
51. Nabavi A, Mamisch CT, Gering DT, Kacher DF, Pergolizzi RS, Wells WM 3rd, et al. Image-guided therapy and intraoperative MRI in neurosurgery. Minimally Invasive Therapy Allied Technol: MITAT. (2000) 9:277–86. doi: 10.1080/13645700009169658
52. Fedorov A, Beichel R, Kalpathy-Cramer J, Finet J, Fillion-Robin JC, Pujol S, et al. 3D Slicer as an image computing platform for the quantitative imaging network. Magn Reson Imaging. (2012) 30:1323–41. doi: 10.1016/j.mri.2012.05.001
53. Clarke LP, Croft BS, Nordstrom R, Zhang H, Kelloff G, Tatum J. Quantitative imaging for evaluation of response to cancer therapy. Transl Oncol. (2009) 2:195–7. doi: 10.1593/tlo.09217
54. Gering DT. A system for surgical planning and guidance using image fusion and interventional MR, Massachusetts Institute of Technology (1999).
55. Simmross-Wattenberg F, Carranza-Herrezuelo N, Palacios-Camarero C, Casaseca-de-la-Higuera P, Martín-Fernández MA, Aja-Fernández S, et al. Group-Slicer: a collaborative extension of 3D-slicer. J Biomed Inform. (2005) 38:431–42. doi: 10.1016/j.jbi.2005.03.001
56. Kapur T, Pieper S, Fedorov A, Fillion-Robin JC, Halle M, O'Donnell L, et al. Increasing the impact of medical image computing using community-based open-access hackathons: the NA-MIC and 3D slicer experience. Med Image Anal. (2016) 33:176–80. doi: 10.1016/j.media.2016.06.035
57. Rodt T, Ratiu P, Becker H, Bartling S, Kacher DF, Anderson M, et al. 3D Visualisation of the middle ear and adjacent structures using reconstructed multi-slice CT datasets, correlating 3D images and virtual endoscopy to the 2D cross-sectional images. Neuroradiology. (2002) 44:783–90. doi: 10.1007/s00234-002-0784-0
58. Hunter DJ, Snieder H, March L, Sambrook PN. Genetic contribution to cartilage volume in women: a classical twin study. Rheumatology (Oxford, England). (2003) 42:1495–500. doi: 10.1093/rheumatology/keg400
59. Hunter DJ, March L, Sambrook PN. The association of cartilage volume with knee pain. Osteoarthritis Cartilage. (2003) 11:725–9. doi: 10.1016/S1063-4584(03)00160-2
60. Nabavi A, Black PM, Gering DT, Westin CF, Mehta V, Pergolizzi RS Jr., et al. Serial intraoperative magnetic resonance imaging of brain shift. Neurosurgery. (2001) 48(4):787–98. doi: 10.1097/00006123-200104000-00019
61. Meola A, Cutolo F, Carbone M, Cagnazzo F, Ferrari M, Ferrari V. Augmented reality in neurosurgery: a systematic review.
62. Yan H, Guan J, Li Y, Zhang Q, Zhou Y, Li X, et al. The scalp localization system of neurosurgery based on augmented reality theory.
63. Fezeu F, Ramesh A, Melmer PD, Moosa S, Larson PS, Henderson F Jr. Challenges and Solutions for Functional Neurosurgery in Developing Countries.
64. Tejada Solís S, de Quintana Schmidt C, Gonzalez Sánchez J, Fernández Portales I, Del Álamo de Pedro M, Rodríguez Berrocal V, et al. Intraoperative imaging in the neurosurgery operating theatre: A review of the most commonly used techniques for brain tumour surgery.
65. Gonzalo Domínguez M, Hernández C, Ruisoto P, Juanes JA, Prats A, Hernández T. Morphological and volumetric assessment of cerebral ventricular system with 3D slicer software. J Med Syst. (2016) 40:154. doi: 10.1007/s10916-016-0510-9
66. Xia T, Baird C, Jallo G, Hayes K, Nakajima N, Hata N, et al. An integrated system for planning, navigation and robotic assistance for skull base surgery. The Int J Med Robots + Computer Assisted Surgery: MRCAS. (2008) 4:321–30. doi: 10.1002/rcs.213
67. Chen DQ, Quan J, Guha A, Tymianski M, Mikulis D, Hodaie M. Three-dimensional in vivo modeling of vestibular schwannomas and surrounding cranial nerves with diffusion imaging tractography. Neurosurgery. (2011) 68:1077–83. doi: 10.1227/NEU.0b013e31820c6cbe
68. Siddiqi AA, Narejo GB, Zardari S, Tariq M, Andleeb S. Application of image processing algorithms for brain tumor analysis in 2D and 3D leading to Tumor's Positioning in skull: overview. Mehran Univ Res J Eng Technol. (2017) 36:201–8. doi: 10.22581/muet1982.1701.20
69. Nakajima N, Wada J, Miki T, Haraoka J, Hata N. Surface rendering-based virtual intraventricular endoscopy: retrospective feasibility study and comparison to volume rendering-based approach. NeuroImage. (2007) 37(Suppl 1):S89–99. doi: 10.1016/j.neuroimage.2007.04.023
70. Stupp R, Hegi Me Fau, van den Bent MJ, Mason WP, Weller M, Weller M, Mirimanoff RO, Cairncross JG, et al. Changing paradigms–an update on the multidisciplinary management of malignant glioma.
71. Koekkoek JAF, Vecht CJ. Postoperative seizure control in glioma patients with epilepsy. Transl Cancer Res. (2017) 6:S313–S6. doi: 10.21037/tcr.2017.03.66
72. Kikinis R, Pieper S. 3D slicer as a tool for interactive brain tumor segmentation. Annual international conference of the IEEE engineering in medicine and biology society. IEEE engineering in medicine and biology society. Annual international conference 2011 (2011). p. 6982–4.
73. Liang C, Li M, Gong J, Zhang B, Lin C, He H, et al. A new application of ultrasound-magnetic resonance multimodal fusion virtual navigation in glioma surgery. Ann Transl Med. (2019) 7:736. doi: 10.21037/atm.2019.11.113
74. Nabavi A, Gering DT, Kacher DF, Talos IF, Wells WM, Kikinis R, et al. Surgical navigation in the open MRI. Acta Neurochir Suppl. (2003) 85:121–5. doi: 10.1007/978-3-7091-6043-5_17
75. Ma J, Su S, Yue S, Zhao Y, Li Y, Chen X, et al. Preoperative visualization of cranial nerves in skull base tumor surgery using diffusion tensor imaging technology. Turk Neurosurg. (2016) 26(6):805–12. doi: 10.5137/1019-5149.jtn.13655-14.1
76. Han KW, Zhang DF, Chen JG, Hou LJ. Presurgical visualization of the neurovascular relationship in trigeminal neuralgia with 3D modeling using free slicer software. Acta Neurochir. (2016) 158:2195–201. doi: 10.1007/s00701-016-2936-8
77. Liao CC, Li JY, Wu KH, Jian ZH, Yi XF, Weng ZJ, et al. Combination of preoperative multimodal image fusion and intraoperative dyna CT in percutaneous balloon compression of trigeminal ganglion for primary trigeminal neuralgia: experience in 24 patients. Front Surg. (2022) 9:895394. doi: 10.3389/fsurg.2022.895394
78. Jellison BJ, Field AS, Medow J, Lazar M, Salamat MS, Alexander AL. Diffusion tensor imaging of cerebral white matter: a pictorial review of physics, fiber tract anatomy, and tumor imaging patterns. AJNR Am J Neuroradiol. (2004) 25(3):356–69. PMID: 15037456; PMCID: PMC8158568
79. Pieri V, Sanvito F, Riva M, Petrini A, Rancoita PMV, Cirillo S, et al. Along-tract statistics of neurite orientation dispersion and density imaging diffusion metrics to enhance MR tractography quantitative analysis in healthy controls and in patients with brain tumors. Hum Brain Mapp. (2021) 42:1268–86. doi: 10.1002/hbm.25291
80. Castellano A, Cirillo S, Bello L, Riva M, Falini A. Functional MRI for surgery of gliomas. Curr Treat Options Neurol. (2017) 19:34. doi: 10.1007/s11940-017-0469-y
81. Norton I, Ibn Essayed W, Zhang F, Pujol S, Yarmarkovich A, Golby AJ, et al. SlicerDMRI: open source diffusion MRI software for brain cancer research. Cancer Res. (2017) 77:E101–3. doi: 10.1158/0008-5472.CAN-17-0332
82. Bakhshmand SM, Khan AR, de Ribaupierre S, Eagleson R. Multixplore: visual exploration platform for multimodal neuroimaging data. J Neurosci Methods. (2017) 290:1–12. doi: 10.1016/j.jneumeth.2017.07.006
83. Li Y, Chen X, Xu B. The efficacy of neuroendoscopic treatment for middle cranial fossa arachnoid cysts assessed by MRI 3D segmentation and modeling. Child Care Health Dev's Nerv Syst: ChNS. (2014) 30:1037–44. doi: 10.1007/s00381-013-2329-8
84. Xu X, Chen X, Zhang J, Zheng Y, Sun G, Yu X, et al. Comparison of the tada formula with software slicer: precise and low-cost method for volume assessment of intracerebral hematoma. Stroke. (2014) 45:3433–5. doi: 10.1161/STROKEAHA.114.007095
85. Soon WC, Fountain DM, Koczyk K, Abdulla M, Giri S, Allinson K, et al. Correlation of volumetric growth and histological grade in 50 meningiomas. Acta Neurochir. (2017) 159:2169–77. doi: 10.1007/s00701-017-3277-y
86. Rutland JW, Govindaraj S, Gill CM, Shohet M, Iloreta AMC, Bederson JB, et al. Correlation of spontaneous and traumatic anterior skull base CSF leak flow rates with fluid pattern on early, delayed, and subtraction volumetric extended echo train T2-weighted MRI. J Neurosurg. (2021) 134:286–94. doi: 10.3171/2019.10.JNS192500
87. Betrouni NA-O, Yasmina M, Bombois S, Pétrault M, Dondaine T, Lachaud C, et al. Texture Features of Magnetic Resonance Images: an Early Marker of Post-stroke Cognitive Impairment.
88. Li Y, Jiang J, Shen T, Wu P, Zuo C. Radiomics features as predictors to distinguish fast and slow progression of Mild Cognitive Impairment to Alzheimer's disease.
89. Cellina M, Pirovano M, Ciocca M, Gibelli D, Floridi C, Oliva G. Radiomic analysis of the optic nerve at the first episode of acute optic neuritis: an indicator of optic nerve pathology and a predictor of visual recovery? Radiol Med. (2021) 126(5):698–706. doi: 10.1007/s11547-020-01318-4
90. Qi Y, Xu M, Wang W, Wang YY, Liu JJ, Ren HX, et al. Early prediction of putamen imaging features in HIV-associated neurocognitive impairment syndrome. BMC Neurol. (2021) 21:106. doi: 10.1186/s12883-021-02114-x
91. Meola A, Cutolo F, Carbone M, Cagnazzo F, Ferrari M, Ferrari V. Augmented reality in neurosurgery: a systematic review. Neurosurg Rev. (2017) 40:537–48. doi: 10.1007/s10143-016-0732-9
92. Lovo EE, Quintana JC, Puebla MC, Torrealba G, Santos JL, Lira IH, et al. A novel, inexpensive method of image coregistration for applications in image-guided surgery using augmented reality. Neurosurgery. (2007) 60(4 Suppl 2):366–71; discussion 71-2. doi: 10.1227/01.neu.0000255360.32689.fa
93. Stawiski K, Trelińska J, Baranska D, Dachowska I, Kotulska K, Jóźwiak S, et al. What are the true volumes of SEGA tumors? Reliability of planimetric and popular semi-automated image segmentation methods. Magma. (2017) 30:397–405. doi: 10.1007/s10334-017-0614-3
94. Inoue D, Cho B, Mori M, Kikkawa Y, Amano T, Nakamizo A, et al. Preliminary study on the clinical application of augmented reality neuronavigation. J Neurol Surg. (2013) 74(2):71–6. doi: 10.1055/s-0032-1333415
95. Vukicevic M, Mosadegh B, Min JK, Little SH. Cardiac 3D printing and its future directions. JACC Cardiovasc Imaging. (2017) 10:171–84. doi: 10.1016/j.jcmg.2016.12.001
96. Nagassa RG, McMenamin PG, Adams JW, Quayle MR, Rosenfeld JV. Advanced 3D printed model of middle cerebral artery aneurysms for neurosurgery simulation. 3D Print Med. (2019) 5:11. doi: 10.1186/s41205-019-0048-9
97. Memon S, Friend E, Kalra S, Janzer S, George JC. 3D Printing of renal arteries for endovascular interventions: feasibility, utility, and correlation with renal arteriograms. J Invasive Cardiol. (2021) 33(12):E986–E92. PMID: 34866051
98. Moser N, Santander P, Quast A. From 3D imaging to 3D printing in dentistry - a practical guide. Int J Comput Dent. (2018) 21(4):345–56. PMID: 30539177
99. Cheng GZ, San Jose Estepar R, Folch E, Onieva J, Gangadharan S, Majid A. Three-dimensional printing and 3D slicer: powerful tools in understanding and treating structural lung disease. Chest. (2016) 149:1136–42. doi: 10.1016/j.chest.2016.03.001
100. Xu J, Sullivan C, Ong HX, Williamson JP, Traini D, Hersch N, et al. Using individualized three-dimensional printed airway models to guide airway stent implantation. Interact Cardiovasc Thorac Surg. (2020) 31:900–3. doi: 10.1093/icvts/ivaa206
101. Haffner M, Quinn A, Hsieh TY, Strong EB, Steele T. Optimization of 3D print material for the recreation of patient-specific temporal bone models. Ann Otol Rhinol Laryngol. (2018) 127:338–43. doi: 10.1177/0003489418764987
102. De La Peña A, De La Peña-Brambila J, Pérez-De La Torre J, Ochoa M, Gallardo GJ. Low-cost customized cranioplasty using a 3D digital printing model: a case report. 3D Print Med. (2018) 4:4. doi: 10.1186/s41205-018-0026-7
103. Zhang LG, Deng MH, Long X, Wang ZZ. 3D Printing navigation template-guided percutaneous radiofrequency thermocoagulation for V2 trigeminal neuralgia treatment. Hua Xi Kou Qiang Yi Xue Za Zhi. (2018) 36(6):662–6. doi: 10.7518/hxkq.2018.06.015
104. Błaszczyk M, Jabbar R, Szmyd B, Radek M. 3D printing of rapid, low-cost and patient-specific models of brain vasculature for use in preoperative planning in clipping of intracranial aneurysms. J Clin Med. (2021) 10(6):1201. doi: 10.3390/jcm10061201
105. Shi ZJ, Zhang H, Jiang DH, Chen SF, Zhou LW, Tan GW, et al. Role of personalized 3D printing in brain protection after decompressive craniectomy. Zhonghua yi xue za zhi. (2022) 102(23):1766–70. doi: 10.3760/cma.j.cn112137-20211019-02314
106. Clifton W, Nottmeier E, Damon A, Dove C, Pichelmann M. The future of biomechanical spine research: conception and design of a dynamic 3D printed cervical myelography phantom. Cureus. (2019) 11(5):e4591. doi: 10.7759/cureus.4591
107. Faraj MK, Kailan SL, Al-Neami AQH, New Simple A. Cost-Effective navigation system (EASY navigator) for neurosurgical interventions. World Neurosurg. (2022) 164:143–7. doi: 10.1016/j.wneu.2022.04.100
原文
You Y, Niu Y, Sun F, Huang S, Ding P, Wang X, Zhang X, Zhang J. Three-dimensional printing and 3D slicer powerful tools in understanding and treating neurosurgical diseases. Front Surg. 2022 Oct 14;9:1030081.
作者简介
张凌云
湖南怀化第二人民医院神经外科
国产原研颅脑病变快速激光定位“度若飞”技术发明人
原湖南省人民医院神经外科副主任医师
原中南大学湘雅二院神经外科主治医师
医学博士，硕士生导师，美国加州大学洛杉矶分校博士后
中国心血管医生创新俱乐部(CCI)青年委员
中国研究型医院协会神经微侵袭及脑血管病分会委员
欧美同学会脑血管病分会委员
2015年硅谷北美创业大赛前20强，价值医疗创新者。致力普及新型快速精准微创定位技术，改变高血压脑出血患者治疗结局。
点击或扫描上方二维码，
前往 张凌云 学术主页
查看更多精彩内容
点击或扫描上方二维码
查看更多“脑血管”内容
