Real-Time Path Planning for Needle Insertion With Multiple Targets
Notice bibliographique
Résumé
Needle insertion into soft tissue has gained considerable attention in recent years in medical applications due to its ever-increasing potential in minimally invasive procedures.Steerable bevel-tip needles offer higher maneuverability independent of the insertion depth and, consequently, are preferable in many needle steering applications compared to symmetric-tip needles.However, due to the nonholonomic kinematics of the bevel-tip needle inside soft tissue, its path planning poses a considerable challenge.Though the topic of single-target path planning is rather well studied and researched, the multiple-target path-planning problem remains under-researched.In this work, we study the path-planning problem for multiple targets based on Rapidly-Exploring-Random-Tree (RRT) algorithms.These algorithms are proper candidates for intra-operative planning of needle motion due to their fast computation and simple implementations.They also work well in highdimensional configuration spaces and under nonholonomic kinematic constraints, both of which are the characteristics of steerable bevel-tip needle motion inside soft tissue.We present two novel RRT-based path-planning approaches to steerable bevel-tip needles to reach multiple targets inside soft tissue: a 2D path planner for preoperative applications and a 3D real-time path planner for intraoperative applications.In both planners, without the needle having to completely retract and reinsert toward each separate target, the amount of tissue damage compared to the conventional sequential insertion of the needle toward each target decreases significantly.Particularly, our 3D planner works well in real-world applications where tissue and anatomical structures may vary due to tissue deformation during insertion, patient's motion, or physiological changes.In addition, our 3D planner accounts for the needle's natural curvature variation during insertion due to tissue inhomogeneity.Moreover, both of the proposed planners have real clinical applications, where iii
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 ».