MétaCan
Menu
Retour à la cohorte
Enregistrement W2047441444 · doi:10.1109/icra.2012.6224649

Remote palpation to localize tumors in robot-assisted minimally invasive approach

2012· article· en· W2047441444 sur OpenAlexaff
Ali Talasaz, Rajni V. Patel

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueSoft Robotics and Applications
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésPalpationHaptic technologyArtificial intelligenceComputer visionTeleoperationComputer scienceRobotTactile sensorBiomedical engineeringInvasive surgerySurgical instrumentInterface (matter)SimulationEngineeringSurgeryMedicineMechanical engineering

Résumé

récupéré en direct d'OpenAlex

This paper presents a new tactile-force integrated method to localize tumors minimally invasively using robotic assistance. This method relies on using a capacitive sensor at the tip of a Tactile Sensing Instrument (TSI) which can be inserted into a patient's body in a minimally invasive manner. In this work, the operator palpates tissue containing tumors in a minimally invasive surgical (MIS) training box, representing the patient's body, through a master-slave teleoperation system which consists of a 7 degrees-of-freedom (DOF) haptic interface, used as the master, and a Mitsubishi PA10-7C robot as the slave. Using the proposed method, the operator would be able to palpate the tissue consistently, observe the pressure distribution over the tissue by a color contour map on a screen and feel the tumor on his/her fingers through a grasping mechanism of the haptic interface as a result of higher stiffness of the tumor. The tissue used for the experiments was ex vivo bovine lung and seven participants were asked to locate artificial tumors embedded in the lungs. The results show an accuracy of 93% in tumor localization using the proposed method while the average force applied to the tissue was 3.42N and the force never exceeded 6N.

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: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

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 savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
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 Opus0,023
Tête enseignante GPT0,236
Écart entre enseignants0,213 · 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

Citations20
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSoft Robotics and ApplicationsTravaux en français237 207