Hyperelastic modelling and parametric study of soft tissue embedded lump for MIS applications
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: The existing MIS (minimally invasive surgery) instruments have caused severe restrictions to surgeons' tactile perception. In particular, palpation, which is an important technique in open surgery to assess the softness of the tissue and to detect any hidden lumps, is entirely absent in MIS procedures. Many researchers have developed smart endoscopic graspers to rectify different aspects of this problem. However, the effect of an anatomical feature in general and a lump in particular on the stress distribution on the sensitive surfaces of the smart MIS graspers still needs a lot of attention. METHODS: This paper investigates the effect of the important parameters of a lump on the stress distribution at the contact surface and subsequently the output of smart endoscopic graspers. Using experimental stress-strain compression test data, the material parameters required for the Mooney-Rivlin model were obtained and used in hyperelastic finite element analysis. RESULTS: The influence of size, depth and stiffness of the lump on the stress distribution at the contact surface are shown and discussed. The results of the non-linear finite element analysis were validated against experiments conducted on elastomeric material replicating soft tissue. CONCLUSIONS: The consistency between finite element analysis results and experimental work validates the developed model, which is based on the hyperelastic formulation. The finite element analysis results obtained in this study are particularly useful for the development of an inverse model. The inverse model would extract fundamental information, such as size, depth and stiffness, of any hidden lump, using the outputs of the sensors.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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