MétaCan
Menu
Retour à la cohorte
Enregistrement W2044702197 · doi:10.1115/1.4004983

Design and Experimental Assessment of an Elastically Averaged Binary Manipulator Using Pneumatic Air Muscles for Magnetic Resonance Imaging Guided Prostate Interventions

2011· article· en· W2044702197 sur OpenAlexaff
Sylvain Proulx, Jean‐Sébastien Plante

Notice bibliographique

RevueJournal of Mechanical Design · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueSoft Robotics and Applications
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésMagnetic resonance imagingStiffnessWorkspaceComputer scienceSimulationBiomedical engineeringEngineeringStructural engineeringArtificial intelligenceRobotRadiologyMedicine

Résumé

récupéré en direct d'OpenAlex

Early diagnostic and treatment of prostate cancer could be achieved using magnetic resonance imaging (MRI) to improve tumor perceptibility. Nonetheless, performing intra-MRI interventions present significant challenges due to intense magnetic fields and limited patient access. This paper presents an MRI-compatible manipulator using elastically averaged binary pneumatic air muscles (PAMs) to orient a needle into a targeted region of the prostate under the command of a physician. The proposed manipulator is based on an all-polymer compliant mechanism designed to make a completely MRI-compatible positioning system. A model based on the PAMs deformation energy is used to design the manipulator so that its discrete workspace, stiffness, and size meet clinically relevant design requirements. The model is also used to study the motion of the device during a state shift. A laboratory prototype of the device shows that the covered workspace, stiffness, and size of the manipulator can meet clinical requirements. Repeatability and accuracy are also acceptable with values of 0.5 mm and 1.7 mm, respectively. Finally, the manipulator’s behavior during state shift describes a hook-shaped motion that is both analytically predicted and experimentally observed.

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)0,001
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
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 recherche0,0010,000
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 Opus0,094
Tête enseignante GPT0,323
Écart entre enseignants0,229 · 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'étudeExpérimental (laboratoire)
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

Citations10
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Mechanical DesignMême sujetSoft Robotics and ApplicationsTravaux en français237 207