Measurement, Analysis, and Display of Haptic Signals During Surgical Cutting
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| 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) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».