An Efficient Finite-Element Modelling Tool for Surgical Simulation: The ε-Mesh Radius
Notice bibliographique
Résumé
Abstract This paper presents an algorithm for determining the boundary volume of local mesh for haptic rendering. Here haptic rendering is defined as generation of reaction forces and contact shape information for graphical display. Haptic rendering consists of a number of components: a) scene representation b) scene modelling for global collision detection c) collision detection; d) contact profile and e) scene display. As oppose to classical Finite Element Method or Multi-Body Systems dynamics, haptic rendering deals with the modelling of object where the user can interact with them in the virtual environment. This paper concerns with some aspects related to the interaction between the surgeon tool (probe or micro-robot) and a model of human tissue and organ. Specifically the paper addresses analogies between traditional notion of mesh generation used in finite-element analysis and notion of haptic rendering. In fact, when the user interacts with the object, it is not clear which level of accuracy is needed for the creating the sense of reaction forces at the point of interaction. That is the motivation for proposing the notion of ε-mesh in analogy with the similar notion used in the theory of adaptive meshing. The ε-mesh radius is a scalar quantity defined as a function of the material properties of the contacting bodies, the expected local geometry of the bodies, the direction and relative approach velocities of the bodies. Relationships are presented which show how relative coarseness of the ε-mesh radius with respect to the mesh sizes outside of the radius affect the relative reaction forces.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».