MétaCan
Menu
Retour à la cohorte
Enregistrement W2039476418 · doi:10.1109/icra.2014.6907573

GPC-based teleoperation for delay compensation and disturbance rejection in image-guided beating-heart surgery

2014· article· en· W2039476418 sur OpenAlexaff
Meaghan Bowthorpe, Abril Alvarez Garcia, Mahdi Tavakoli

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiac and Coronary Surgery Techniques
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésTeleoperationComputer visionController (irrigation)Computer scienceArtificial intelligenceSurgical instrumentCompensation (psychology)Tracking (education)Motion compensationPoint (geometry)Track (disk drive)Imaging phantomRobotSimulationSurgeryMathematicsMedicinePsychologyNuclear medicine

Résumé

récupéré en direct d'OpenAlex

Beating-heart surgery is not currently possible for most surgical procedures as it requires superhuman skill to manually track the heart's motion while performing a surgical task. However, if a surgical tool could track the motion of the point of interest (POI) on the heart, then, with respect to the surgical tool tip the POI would appear stationary. Such a system can be created with a teleoperated surgical robot that is controlled to track the combination of the heart's and the surgeon's motion, as input through a separate user console. To develop such a system, the motion of the heart is found in ultrasound images where the image acquisition introduces delays of approximately 40 ms and image processing further increases this delay. Directly using this delayed position measurement in the feedback control loop can lead to instability and poor tracking. The generalized predictive controller used in this work compensates for this time delay despite large disturbances with velocities up to 210 mm/s and accelerations up to 3800 mm/s2caused by the moving heart.

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: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,007

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 savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,019
Tête enseignante GPT0,277
Écart entre enseignants0,259 · 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

Citations8
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCardiac and Coronary Surgery TechniquesTravaux en français237 207