Usefulness of three‐dimensional imaging in a flexible endoscopic surgery platform with multi‐degrees‐of‐freedom articulating devices
Notice bibliographique
Résumé
BACKGROUND AND AIMS: Recent studies on endoscopic submucosal dissection have aimed to reduce the difficulty of the procedure by using multi-degrees-of-freedom articulating devices. In this study, we evaluated the usefulness of adding three-dimensional (3D) video imaging into simulated endoscopic submucosal dissection tasks using multi-degrees-of-freedom devices. METHODS: We designed an endoscopic platform with a 3D camera and two multi-degrees-of-freedom devices. Four ex vivo bench tasks were created, and a crossover study comparing 2D and 3D conditions was conducted on 15 volunteers. In each task, performance such as procedure time and accuracy were objectively evaluated. Additionally, a comprehensive visual analogue scale questionnaire was conducted. RESULTS: In the tasks simulating submucosal flap grasping, marking, and full-area incision, the use of 3D imaging significantly improved the speed and accuracy of the multi-degrees-of-freedom device manipulation (p < .01). No significant differences were observed in the task that simulated the dissection procedure. Furthermore, it appears that the accuracy of recognizing curved surfaces may be reduced in the 3D environment. Operators reported subjective increases in recognizability and operability with the 3D camera, along with an increase in asthenopia (p < .01). CONCLUSIONS: 3D vision improves the technical accuracy of certain simulated multi-degrees-of-freedom endoscopic submucosal dissection tasks and subjectively improved operating conditions, at the cost of increased eye strain.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».