MétaCan
Menu
Retour à la cohorte
Enregistrement W2998475224 · doi:10.1109/access.2019.2962636

Tactile Sensors for Minimally Invasive Surgery: A Review of the State-of-the-Art, Applications, and Perspectives

2019· review· en· W2998475224 sur OpenAlexafffund
Naghmeh Bandari, Javad Dargahi, Muthukumaran Packirisamy

Notice bibliographique

RevueIEEE Access · 2019
Typereview
Langueen
DomaineEngineering
ThématiqueAdvanced Sensor and Energy Harvesting Materials
Établissements canadiensConcordia University
Organismes subventionnairesFonds de recherche du Québec – Nature et technologiesNatural Sciences and Engineering Research Council of CanadaConcordia University
Mots-clésInvasive surgeryMagnetic resonance imagingComputer scienceMinimally invasive proceduresPalpationPerceptionSurgeryMedical physicsArtificial intelligenceMedicineRadiologyPsychology

Résumé

récupéré en direct d'OpenAlex

Minimally invasive surgery has been one of the most significant evolutions in medicine. In this approach, the surgeon inserts specially-designed instruments through a small incision on the patient's skin into the body cavities, abdomen, veins or, arteries and performs the surgery on organs. As a major limitation, surgeons lose their natural tactile perception due to indirect touch on the organs. Since the loss of tactile perception compromises the ability of surgeons in tissue distinction and maneuvers, researchers have proposed different tactile sensors. This review is to provide researchers with a literature map for the state-of-the-art of tactile sensors in minimally invasive surgery, e.g. in robotic, laparoscopic, palpation, biopsy, heart ablation, and valvuloplasty. In this regard, the pertinent literature from the year 2000 on sensing principles, design requirements, and specifications were reviewed in this study. The survey showed that size, range, resolution, variation, electrical passivity, and magnetic-resonance-compatibility were the most critical specification to study for tactile sensors. Based on the results, some of the requirements, e.g., magnetic-resonance-compatibility and electrical passivity are of less generality and more application-dependent; however, size, resolution, and range specifications differ for various applications and are of utmost importance.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,065
Tête enseignante GPT0,321
Écart entre enseignants0,256 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations144
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE AccessMême sujetAdvanced Sensor and Energy Harvesting MaterialsTravaux en français237 207