MétaCan
Menu
Retour à la cohorte
Enregistrement W1984466921 · doi:10.1227/neu.0b013e318270da19

The Evolution of neuroArm

2012· article· en· W1984466921 sur OpenAlexaffabout
Garnette R. Sutherland, Stefan Wolfsberger, Sanju Lama, Kourosh Zareinia

Notice bibliographique

RevueNeurosurgery · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueSoft Robotics and Applications
Établissements canadiensHotchkiss Brain InstituteUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésMedicineMicrosurgeryMedical physicsMagnetic resonance imagingRobotScope (computer science)SurgeryComputer scienceRadiologyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Intraoperative imaging disrupts the rhythm of surgery despite providing an excellent opportunity for surgical monitoring and assessment. To allow surgery within real-time images, neuroArm, a teleoperated surgical robotic system, was conceptualized. The objective was to design and manufacture a magnetic resonance-compatible robot with a human-machine interface that could reproduce some of the sight, sound, and touch of surgery at a remote workstation. University of Calgary researchers worked with MacDonald, Dettwiler and Associates engineers to produce a requirements document, preliminary design review, and critical design review, followed by the manufacture, preclinical testing, and clinical integration of neuroArm. During the preliminary design review, the scope of the neuroArm project changed to performing microsurgery outside the magnet and stereotaxy inside the bore. neuroArm was successfully manufactured and installed in an intraoperative magnetic resonance imaging operating room. neuroArm was clinically integrated into 35 cases in a graded fashion. As a result of this experience, neuroArm II is in development, and advances in technology will allow microsurgery within the bore of the magnet. neuroArm represents a successful interdisciplinary collaboration. It has positive implications for the future of robotic technology in neurosurgery in that the precision and accuracy of robots will continue to augment human capability.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,007
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,003
Communication savante0,0030,003
Science ouverte0,0020,002
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,003

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,011
Tête enseignante GPT0,203
Écart entre enseignants0,192 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations113
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNeurosurgeryMême sujetSoft Robotics and ApplicationsTravaux en français237 207