Comparative Tracking Error Analysis of Five Different Optical Tracking Systems
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
Objective: Effective utilization of an optical tracking system for image-based surgical guidance requires optimal placement of the dynamic reference frame (DRF) with respect to the tracking camera. Unlike other studies that measure the overall accuracy of a particular navigation system, this study investigates the precision of one component of the navigation system: the optical tracking system (OTS). The precision of OTS measurements is quantified asjitter. By measuring jitter, one can better understand how system inaccuracies depend on the position of the DRF with respect to the camera.Materials and Methods: Both FlashPoint™ (Image Guided Technologies, Inc., Boulder, Colorado) and Polaris™ (Northern Digital Inc., Ontario, Canada) optical tracking systems were tested in five different camera and DRF configurations. A linear testing apparatus with a software interface was designed to facilitate data collection. Jitter measurements were collected over a single quadrant within the camera viewing volume, as symmetry was assumed about the horizontal and vertical axes.Results: Excluding the highest 5% of jitter, the FlashPoint cameras had an RMS jitter range of 0.028 ± 0.012 mm for the 300 mm model, 0.051 ± 0.038 mm for the 580 mm model, and 0.059 ± 0.047 mm for the 1 m model. The Polaris camera had an RMS jitter range of 0.058 ± 0.037 mm with an active DRF and 0.115 ± 0.075 mm with a passive DRF. Conclusion: Both FlashPoint and Polaris have jitter less than 0.11 mm, although the error distributions differ significantly. Total jitter for all systems is dominated by the component measured in the axis directed away from the camera.
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) | 0,001 | 0,001 |
| 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) | 0,001 | 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