MétaCan
Menu
Retour à la cohorte
Enregistrement W2990472151 · doi:10.1109/tmech.2019.2956148

Temperature Independent Triaxial Force and Torque Sensor for Minimally Invasive Interventions

2019· article· en· W2990472151 sur OpenAlexafffund
Ata Taghipour, Asim N. Cheema, Xijia Gu, Farrokh Janabi‐Sharifi

Notice bibliographique

RevueIEEE/ASME Transactions on Mechatronics · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueSoft Robotics and Applications
Établissements canadiensSt. Michael's HospitalToronto Metropolitan University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésTorqueMaterials scienceSensitivity (control systems)Measure (data warehouse)FabricationAcousticsFiber Bragg gratingWavelengthOpticsOptoelectronicsPhysicsElectronic engineeringComputer scienceEngineering

Résumé

récupéré en direct d'OpenAlex

In this article, a triaxial force and torque sensor is developed and its response is evaluated. The sensor is designed for minimally invasive interventions. The fabrication method of the sensing structure is 3-D printing and the material used is a biocompatible acrylic plastic. Optical fibers are used as sensing elements in this sensor and the working principle is based on the Bragg wavelength shift of Bragg gratings. The response of the sensor is highly linear along all axes of measurement with the range of working around 0.7 N. The sensor has a high resolution of force and torque measurement which are 0.05 N and 0.1 Nmm, respectively. Experiments show that the sensor can accurately measure the applied force in a dynamic environment. Experiments are conducted to evaluate the thermal response of the sensor. The results show that the sensor can measure all components of the applied forces and torques to the surgery instruments without temperature cross-sensitivity.

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)0,001
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: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,012
Tête enseignante GPT0,237
Écart entre enseignants0,224 · 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

Citations22
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE/ASME Transactions on MechatronicsMême sujetSoft Robotics and ApplicationsTravaux en français237 207