Adaptive 2D-Path Optimization of Steerable Bevel-Tip Needles in Uncertain Model of Brain Tissue
Notice bibliographique
Résumé
Although there are many works in which path planning of robots is studied, but path planning of the bevel-tip needles with highly flexible body is different and difficult due to unique properties of soft tissues. Real soft tissues are nonhomogeneously elastic and uncertainly deformable and hence, during needle motions the planned path changes unknowingly. In this paper, a novel adaptive path planning of bevel-tip needles inside the uncertain brain tissue is presented. The proposed approach is based on minimization of a Lyapanov energy function used as the cost function which consists of 6 partial costs: path length, number of changes in bevel direction, tissue deformation, horizontal and vertical distances of the needle from target and the inverse distance from obstacles. Uncertainty is also modeled using three techniques; random distribution of elasticity, contamination of the brain image with imaging noise and the fuzzfication of obstacles. Uncertainty modeling helps the optimizer generate more reliable paths. The proposed needle path planning is simulated on a 2D modeled tissue on the basis that the needle's tip does not leave the 2D plane, meaning that (although the needle is rotationally flexible), the angle of needle's base and of needle's tip are always equal. Manipulation of needle's base has three possible states: stop in 0 degree (bevel-right), stop in +180 degree (bevel-left) and always spinning the needle's base (bevel-off). The proposed algorithm is designed so that the needle path does not get trapped into local minima and attractors. The main contribution of this work is in defining a novel and effective cost, namely bevel-change cost, in addition to application of a Lyapanov energy function of Hopfield neural network in needle path optimization.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».