MétaCan
Menu
Retour à la cohorte
Enregistrement W3081786822 · doi:10.1109/embc44109.2020.9176019

Sensor-free Force Control of Tendon-driven Ablation Catheters through Position Control and Contact Modeling

2020· article· en· W3081786822 sur OpenAlexaff
Mohammad Jolaei, Amir Hooshiar, Amir Sayadi, Javad Dargahi, Muthukumaran Packirisamy

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueSoft Robotics and Applications
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésContact forceKinematicsControl theory (sociology)Displacement (psychology)Tactile sensorBiomedical engineeringHaptic technologyComputer scienceSimulationTendonBiomechanicsRobotEngineeringSurgeryPhysicsArtificial intelligenceControl (management)AnatomyMedicine

Résumé

récupéré en direct d'OpenAlex

In the present study, a sensor-free force control framework for tendon-driven steerable catheters was proposed and validated. The hypothesis of this study was that the contact force between the catheter tip and the tissue could be controlled using the estimated force with a previously validated displacement-based viscoelastic tissue model. The tissue model was used in a feedback control loop. The model estimated the contact force based on a realtime estimation of catheter-tissue indentation depth performed by a data-driven inverse kinematic model. To test the hypothesis, a tendon-driven catheter (φ6 × 40mm) and a robotic catheter intervention system were prototyped and characterized. Three validation studies were performed to test the performance of the proposed system with static and dynamic inputs. The results showed that the system was capable of reaching to the desired force with a root-mean-square error of 0.03 ± 0.02N for static tests and 0.05 ± 0.04N for dynamic inputs. The main contribution of this study was providing a computationally efficient and sensor-free force control schema for tendon-driven catheters.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,013
Tête enseignante GPT0,206
Écart entre enseignants0,194 · 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

Citations24
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSoft Robotics and ApplicationsTravaux en français237 207