Surgical and interventional robotics: Part II
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
A large family of medical interventions can be represented by a model that is analogous to industrial manufacturing systems. If the right information is available, they can be planned ahead of time and executed in a reasonably predictable manner. We, therefore, have classified them as surgical computer-aided design (CAD)-computer-aided manufacturing (CAM) systems, having three key concepts: 1) surgical CAD, in which medical images, anatomical atlases, and other information are combined preoperatively to model an individual patient; the computer then assists the surgeon in planning and optimizing an appropriate intervention 2) surgical CAM, in which real-time medical images and other sensor data are used to register the preoperative plan to the actual patient and the model and the plan are updated throughout the procedure; the physician performs the actual surgical procedure with the assistance of the computer, using appropriate technology (robotics, mechatronics, optical guidance, perceptual guidance, etc.) for the intervention 3) surgical total quality management (TQM), which reflects the important role that the computer can play in reducing surgical errors and in promoting more consistent and improved execution of procedures. Successful procedures are also included in procedural statistical atlases and fed back into the system for pre- and intraoperative planning. This article, primarily concerned with robotics and mechatronics, concentrates on the surgical action (surgical CAM), although for the sake of completeness, major issues in surgical planning (surgical CAD) and postoperative data analysis (surgical TQM) are also included. This article is the second installment of a three-part series on surgical and interventional robotics.
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