3-D Path Planning Using Improved RRT* Algorithm for Robot-Assisted Flexible Needle Insertion in Multilayer Tissues
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In the field of minimally invasive surgery, flexible needles can avoid blood vessels and organs more flexibly compared to rigid needles. One of the main challenges when using flexible needles to reach lesions is planning a suitable path. Due to the non-holonomic characteristic of the flexible needle dynamics and the tissue deformation caused by the needle tip during the insertion, the accessibility and safety of the needle’s states need to be considered in the path planning stage. In this article, we propose an adaptable algorithm by improving the canonical rapidly exploring random trees* (RRT*) algorithm to compute a path for the flexible needle to reach targets in a layered tissue environment. The improved RRT* algorithm that addresses the motion constraints of the flexible needle renders the computed path comparatively smoother and optimal in some approximation sense. In the proposed algorithm, a strategy of adapting some of its parameters for different tissues during the insertion is developed, which improves the safety of surgeries. Moreover, the path cost used in the algorithm takes the potential fields of surrounding obstacles into account, which is used to deal with the influence of the local movement of tissues during the needle puncture process. Simulations are conducted to verify the effectiveness of the proposed algorithm. The results show that the improved RRT* algorithm generates a smooth and safe path which satisfies the motion constraints of the flexible needle in layered tissue environment.
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.
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 | 0,001 |
| 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 découle