A MRI-based integrated platform for the navigation of microdevices and microrobots
Notice bibliographique
Résumé
Magnetic Resonance Navigation (MRN) aims at navigating artificial or synthetic untethered micro-devices and microrobots using an upgraded clinical Magnetic Resonance Imaging (MRI) system. For larger MRI-based navigated entities, past experiments proved that software-based upgrades only were sufficient. But for microrobots with an overall diameter of only a few tens of micrometers for travelling in narrower blood vessels, hardware upgrades need to be added to the MR scanner, resulting in a MRN system capable of generating 3D magnetic propulsion gradients on the microrobots well above the ones that could be generated by a clinical MRI scanner relying on software-upgrades only. But with the variety of models of clinical scanners coped with many versions of related operating software dedicated to MR imaging, implementing such upgrades that could operate with these scanners becomes a real challenge. As such, a new MRN platform architecture independent of the types of MR scanners is proposed and preliminary experimental data validating the potential of such microrobotic navigation system architecture integrated with a commercially available scanner are reported. The expected steering capabilities of the platform were evaluated initially using a special probe in the form of a magnetic catheter mimicking an anisotropic microrobot. Such special probe also allowed for easier recordings of the gradient steering force that would be induced on such microrobot while validating the technique for catheter steering which is also an important aspect since catheterization is often used for releasing the microrobots in larger arteries. Similarly, MR tracking of the same microrobot was also validated with the new system, confirming that tracking feedback data can be gathered in order to perform closed-loop navigation control.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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 ».