Force and torque feedback in endoscopic vessel harvesting
Notice bibliographique
Résumé
PURPOSE: Endoscopic vessel harvesting is the preferred minimally invasive approach to obtain grafts for coronary bypass surgeries, however it requires extensive practice to minimize vessel damage. We propose to create a surgical training simulation with visual and haptic feedback. In this study, we focus on analyzing the force and torque peaks on the surgical retractor during the procedure. METHODS: The original retractor handle was 3D scanned and modified to attach an ATI Mini40 force-torque transducer. The forces and torques in two radial artery and two saphenous vein procedures in human cadavers were recorded. The measurements, endoscopic video and surgical surface video were collected. The median and interquartile range of the force and torque peaks were calculated for the artery and vein harvesting procedures. RESULTS: The median and interquartile range for saphenous vein harvests was larger than radial artery harvests. The largest median force and torque generated in the vein was 11.654 N [posterior] and 0.661 Nm [- frontal], whereas in the artery was 6.163 N [anterior] and 0.381 Nm [+ frontal], respectively. CONCLUSION: The distribution of force and torque peaks in the retractor was found for endoscopic vessel harvests. This data can be used to design a haptic user interface, and to establish expert benchmarks for learning curve evaluation.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».