Stiffness Assessment and Lump Detection in Minimally Invasive Surgery Using In-House Developed Smart Laparoscopic Forceps
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
Minimally invasive surgery (MIS) incorporates surgical instruments through small incisions to perform procedures. Despite the potential advantages of MIS, the lack of tactile sensation and haptic feedback due to the indirect contact between the surgeon's hands and the tissues restricts sensing the strength of applied forces or obtaining information about the biomechanical properties of tissues under operation. Accordingly, there is a crucial need for intelligent systems to provide an artificial tactile sensation to MIS surgeons and trainees. This study evaluates the potential of our proposed real-time grasping forces and deformation angles feedback to assist surgeons in detecting tissues' stiffness. A prototype was developed using a standard laparoscopic grasper integrated with a force-sensitive resistor on one grasping jaw and a tunneling magneto-resistor on the handle's joint to measure the grasping force and the jaws' opening angle, respectively. The sensors' data are analyzed using a microcontroller, and the output is displayed on a small screen and saved to a log file. This integrated system was evaluated by running multiple grasp-release tests using both elastomeric and biological tissue samples, in which the average force-to-angle-change ratio precisely resembled the stiffness of grasped samples. Another feature is the detection of hidden lumps by palpation, looking for sudden variations in the measured stiffness. In experiments, the real-time grasping feedback helped enhance the surgeons' sorting accuracy of testing models based on their stiffness. The developed tool demonstrated a great potential for low-cost tactile sensing in MIS procedures, with room for future improvements. Significance: The proposed method can contribute to MIS by assessing stiffness, detecting hidden lumps, preventing excessive forces during operation, and reducing the learning curve for trainees.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 découle