A 3-D-Printed Tactile Probe Based on Fiber Bragg Grating Sensors for Noninvasive Breast Cancer Identification
Notice bibliographique
Résumé
Tissue palpation is one of the most popular techniques to detect tissue abnormalities in clinical scenarios, including breast examination. However, the tactile sensation used to identify tumors by the clinician or a woman during breast palpation makes this procedure subjective. Over the past decades, tactile sensors have been developed o to quantitatively discriminate between cancerous and healthy tissues, but most of these systems still suffer from low force sensitivity, high power consumption, reduced sterilization durability, and electrical noise. This study aims at overcoming these limitations by exploiting the advantages of fiber Bragg grating (FBG) technology combined with the ones of 3D printing to develop an innovative tactile probe for breast cancer identification. FBGs have already been proposed for tissue palpation in minimally invasive surgery via tactile sensing, while their application in superficial palpation is still overlooked. To the best of our knowledge, this is the first work in which the FBG integration into 3D printed structures is proposed for breast superficial palpation. Here, we first focused on the sensing unit design optimization via finite element analysis, fabrication, and metrological characterization. Then, the final prototype of the tactile probe integrating multiple identical sensing units was fabricated, and the results of tests on silicone samples with different hardness and on a phantom mimicking breast tissue with an early-stage tumor were discussed. The promising findings will guide further optimization of the tactile probe design to improve system spatial resolution, reduce its encumbrance and provide feedback to the user for applications on patients.
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 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 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».