Preliminary Assessment of a Laparoscopic Training System Using Magneto-Rheological Clutches and Virtual Reality
Notice bibliographique
Résumé
Abstract Although laparoscopy has revolutionized modern medicine, its training remains long and complex due to reduced haptic feedback and loss of depth perception. Training also poses an ethical challenge when performed on living patients, and access to cadavers is becoming rare and difficult. In the early 2000s, medical simulators began to appear to help mitigate these problems: virtual reality simulators (VRS) and physical reality simulators (PRS). Current VRS can provide guidance and performance evaluation with fewer instructors but are expensive and bulky. PRS, on the other hand, are less expensive, compact and offer haptic feedback through real physical interactions with mockup objects. However, they require guidance from an instructor, and cannot provide objective assessment or complex and realistic surgical scenarios. This paper assesses the potential of a VRS based on magneto-rheological (MR) actuators that could offer the haptic capabilities of current VRS with the size envelopes of PRS. Technical specifications for a laparoscopic VRS are extracted from the literature, a prototype is built and evaluated experimentally. In addition, three simulation scenarios are built and presented to surgeons to confirm simulation capabilities. In its current form, the MR-powered prototype is shown to meet targeted functional specifications but future work is needed to reduce friction, reduce size, and optimize packaging.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».