Miniaturized Optical Force Sensor for Minimally Invasive Surgery With Learning-Based Nonlinear Calibration
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
A simple and miniaturized optical tactile sensor for integrating with robotic and manual minimally invasive surgery graspers is proposed in this study. For better miniaturization, the sensing principle of constant-bending-radius light intensity modulation was replaced with a variable-bending-radius modulation principle, and the pertinent theoretical formulation was derived. Afterward, a finite element model of the sensor was optimized using response surface optimization technique. The optimized sensor design was 14.0 mm long, 1.8 mm wide and 4 mm high. Next, the sensor was prototyped using SLA 3D printing technique. Also, the sensor was calibrated using a rate-dependent learning-based support-vector-regression algorithm. Calibration was 96% linear with a goodness-of-fit of 93% and mean absolute error of 0.085±0.096 N. Furthermore, the sensor was tested under cyclic triangular compression with a 3 sec pause between loading and unloading as well as manual grasping. Mean absolute error of 0.12±0.08 N, the minimum force of 0.14 N, and repeatability of 0.07 N showed the acceptable performance of the proposed sensor for surgical applications. Moreover, the sensor showed the capability of working under combined dynamic and static loading conditions with low hysteresis, i.e., 0.057 N/cycle.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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 découle