Measurement, Analysis, and Display of Haptic Signals During Surgical Cutting
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
The forces experienced while surgically cutting anatomical tissues from a sheep and two rats were investigated for three scissor types. Data were collected in situ using instrumented Mayo, Metzenbaum, and Iris scissors immediately after death to minimize postmortem effects. The force-position relationship, the frequency components present in the signal, the significance of the cutting rate, and other invariant properties were investigated after segmentation of the data into distinct task phases. Measurements were found to be independent of the cutting speed for Mayo and Metzenbaum scissors, but the results for Iris scissors were inconclusive. Sensitivity to cutting tissues longitudinally or transversely depended on both the tissue and on the scissor type. Data from cutting three tissues (rat skin, liver, and tendon) with Metzenbaum scissors as well as blank runs were processed and displayed as haptic recordings through a custom-designed haptic interface. Experiments demonstrated that human subjects could identify tissues with similar accuracy when performing a real or simulated cutting task. The use of haptic recordings to generate the simulations was simple and efficient, but it lacked flexibility because only the information obtained during data acquisition could be displayed. Future experiments should account for the user grip, tissue thickness, tissue moisture content, hand orientation, and innate scissor dynamics. A database of the collected signals has been created on the Internet for public use at www.cim.mcgill.ca/∼haptic/tissue/data.html .
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