Low-end haptic devices for knee bone drilling in a serious game
Notice bibliographique
Résumé
Purpose The purpose of this paper is to examine the application of low-end, low-fidelity (gaming/consumer-level) haptic devices for medical-based, surgical skills development (surgical bone-based drilling in particular) with serious games and virtual simulations as an affordable training solution with the potential of complementing current and traditional training methods. Design/methodology/approach The authors present the adaptation of two low-end haptic devices (Novint Falcon and Geomagic 3D Touch) to simulate a surgical drill drilling through bone for a serious game developed for total knee arthroplasty training. The implementation was possible through the analysis of the bone drilling mechanics. The authors provide a quantitative comparison of both haptic devices with respect to forces, movements, and development. Findings Although further testing is required, the initial results demonstrate that the low-end, consumer-level haptic devices can be incorporated into virtual environments/serious games to allow for the simulation of surgical drilling. The authors also believe that the results will generalize and allow these devices to be used to simulate a variety of technical-based medical procedures. Originality/value In contrast to previous work where the focus is placed on cost-prohibitive haptic devices, this approach considers affordable consumer-level solutions that can be easily incorporated into a variety of serious games and virtual simulations. This holds promise that haptic-based virtual simulation and serious games become more widespread, ultimately ensuring that medical trainees are better prepared before exposure to live patients.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».