MétaCan
Menu
Retour à la cohorte
Enregistrement W4307676274 · doi:10.1002/aisy.202200189

Novel Grasping Mechanisms of 3D‐Printed Prosthetic Hands

2022· article· en· W4307676274 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueAdvanced Intelligent Systems · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueMuscle activation and electromyography studies
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésProsthetic handGestureFunction (biology)Motion (physics)Human–computer interactionComputer scienceArtificial limbsAmputation3d printedProsthesisArtificial intelligenceEngineeringBiomedical engineeringMedicine

Résumé

récupéré en direct d'OpenAlex

There are millions of amputees worldwide, and amputation has significantly affected their lives. People with hand losses have difficulties performing the activities of daily living (ADLs). Prosthetic hands have been developed to perform the functions of a human hand by grasping various objects. However, mimicking the actual grasping function of a human hand is still an unresolved research topic. Researchers continue to improve the functionality of hand prostheses to create more efficient and closer to human motion. Herein, the current challenges and approaches for enhancing the grasping function of 3D‐printed hand prostheses are investigated. Three technology sectors are discussed for the efficient grasping motion of hand prosthetics: 1) how to recognize the user's desired grasping gestures by sensing systems; 2) how to power the prosthesis for grasping objects through different actuation systems; and 3) how to perform the grasping motion by 3D design and mechanisms. This article reviews valuable information regarding the current innovations toward improving prosthetic hands’ grasping function to help researchers design more functional hand prostheses.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,922
Score d'incertitude au seuil0,660

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,224
Écart entre enseignants0,209 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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