MétaCan
Menu
Retour à la cohorte
Enregistrement W2015054659 · doi:10.1109/iros.2013.6696393

Real-time tracking of a bevel-tip needle with varying insertion depth: Toward teleoperated MRI-guided needle steering

2013· article· en· W2015054659 sur OpenAlexaff
Reza Seifabadi, Esteban Escobar Gomez, Fereshteh Aalamifar, Gábor Fichtinger, Iulian Iordachita

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueSoft Robotics and Applications
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésBevelTeleoperationTracking (education)StyletMaterials scienceBiomedical engineeringComputer scienceAcousticsRobotArtificial intelligenceEngineeringPhysicsGeology

Résumé

récupéré en direct d'OpenAlex

This study presents one of the enabling technologies for teleoperated bevel-tip needle steering under real-time MRI guidance i.e. capability of tracking the needle with higher accuracy and bandwidth than real-time MRI. Three fibers, each with three Fiber Bragg Gratings (FBG) were embedded into a 0.6 mm inner stylet of a 20G MRI-compatible biopsy needle. The axial force caused by the bevel-tip was considered in the analysis using beam-column theory. Since the insertion depth is varying, the minimum number of sensors and their optimal locations in the fibers were determined such that the tip position error estimation is below 0.5 mm for all insertion depths. A practical and accurate calibration method for the apparatus is presented. The instrumented needle was fabricated to fit in the needle driver unit of a MRI-compatible needle steering robot. The tracking apparatus was calibrated, including compensation for temperature changes in tissue during insertion. Experimental results showed needle tip tracking error below 0.5 mm at different insertion depths. Real-time 3D shape of the needle was visualized in 3D Slicer yielding navigation of the needle in real-time.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,221
Écart entre enseignants0,199 · 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'étudeSimulation ou modélisation
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

Citations37
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSoft Robotics and ApplicationsTravaux en français237 207