MétaCan
Menu
Retour à la cohorte
Enregistrement W2960547351 · doi:10.3390/s19143066

A Fiber Bragg Grating Sensing Structure for the Design, Simulation and Stress Strain Monitoring of Human Puncture Surgery

2019· article· en· W2960547351 sur OpenAlexaff
Pengwen Xiong, Xin Huang, Yulong Li, Peter Liu

Notice bibliographique

RevueSensors · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Fiber Optic Sensors
Établissements canadiensCarleton University
Organismes subventionnairesJiangsu Postdoctoral Research FoundationGovernment of Jiangsu ProvinceNatural Science Foundation of Jiangxi ProvinceChina Postdoctoral Science FoundationNational Natural Science Foundation of China
Mots-clésPuncturingFiber Bragg gratingCalibrationTorqueSensitivity (control systems)OpticsMaterials scienceWavelengthLinearityStrain gaugeGratingAcousticsPhysicsEngineeringElectronic engineeringComposite material

Résumé

récupéré en direct d'OpenAlex

In order to improve the precision and stability of puncture surgical operations to assist doctors in completing fine manipulation, a new of type puncturing needle sensor is proposed based on a fiber Bragg grating (FBG). Compared with the traditional puncture needle sensor, the new type of puncturing needle sensor is able to sense not only the axial force, but also the torque force during the puncture process. A spoke-type structure is designed near the needle tip. In order to eliminate the influence of temperature and realize temperature compensation, a reference fiber method using three FBGs is applied. FBG1 and the reference FBG2 are pasted on the upper and lower surfaces of the new-type elastic beam, and FBG3 is pasted into the groove on the surface of the new type of puncturing needle cylinder. The difference of Bragg wavelength between FBG1 and the reference FBG2 is calibrated with the torque force, while the difference between the Bragg wavelength of the FBG3 and the reference FBG2 is calibrated with the axial force. Through simulation and sensing tests, when the torque force calibration range is 10 mN·m, the torque average sensitivity is 22.8 pm/mN·m, and the determination coefficient R2 is 0.99992, with a hysteresis error YH and repetition error YR of 0.03%FS and 0.81%FS, respectively. When the axial force calibration rang is 5 N, the axial force average sensitivity is 0.089 nm/N, and the determination coefficient R2 is 0.9997, with hysteresis error YH and repetition error YR of 0.014%FS and 0.11%FS, respectively. The axial force resolution and torque resolution of the new type of puncturing needle sensor are 0.03 N and 0.8 mN·m, respectively. The experimental data and simulation analysis show that the proposed new type of puncturing needle sensor has good practicability and versatility.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,626

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,024
Tête enseignante GPT0,261
Écart entre enseignants0,237 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations9
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSensorsMême sujetAdvanced Fiber Optic SensorsTravaux en français237 207