MétaCan
Menu
← Retour à la cohorte
Enregistrement W2161478497 · doi:10.1115/sbc2013-14185

Sensing Physiological Tremor in a Hand-Held Microsurgical Instrument

2013· article· en· W2161478497 sur OpenAlexaff
Abhijit Saxena, Rajni V. Patel

Notice bibliographique

RevueVolume 1B: Extremity; Fluid Mechanics; Gait; Growth, Remodeling, and Repair; Heart Valves; Injury Biomechanics; Mechanotransduction and Sub-Cellular Biophysics; MultiScale Biotransport; Muscle, Tendon and Ligament; Musculoskeletal Devices; Multiscale Mechanics; Thermal Medicine; Ocular Biomechanics; Pediatric Hemodynamics; Pericellular Phenomena; Tissue Mechanics; Biotransport Design and Devices; Spine; Stent Device Hemodynamics; Vascular Solid Mechanics; Student Paper and Design Competitions · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueNeurological disorders and treatments
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésPhysical medicine and rehabilitationWristMicrosurgeryCompensation (psychology)Computer scienceMedicinePsychologySurgery

Résumé

récupéré en direct d'OpenAlex

Physiological tremor is an involuntary, approximately rhythmic and roughly sinusoidal movement [1]. It is inherent in all humans. The characteristics of physiological tremor are highly dependent on the body parts [2]. For instance, the frequency of tremor in the elbow ranges from 3 to 5 Hz while it ranges from 8 to 12 Hz in the wrist. Physiological tremor is benign for everyday tasks such as walking or eating. However, tasks that require fine muscle control such as microsurgery or military targeting are susceptible to physiological tremor. The imprecision in positioning the tool-tip due to the tremor makes some ophthalmological, neurological and inner ear microsurgeries difficult [3]. Therefore, real-time compensation of physiological tremor would enable surgeons to accurately perform microsurgeries.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
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 savante0,0000,001
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 Opus0,013
Tête enseignante GPT0,241
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

Citations1
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVolume 1B: Extremity; Fluid Mechanics; Gait; Growth, Remodeling, and Repair; Heart Valves; Injury Biomechanics; Mechanotransduction and Sub-Cellular Biophysics; MultiScale Biotransport; Muscle, Tendon and Ligament; Musculoskeletal Devices; Multiscale Mechanics; Thermal Medicine; Ocular Biomechanics; Pediatric Hemodynamics; Pericellular Phenomena; Tissue Mechanics; Biotransport Design and Devices; Spine; Stent Device Hemodynamics; Vascular Solid Mechanics; Student Paper and Design Competitions→Même sujetNeurological disorders and treatments→Travaux en français237 207→