Estimating the Joint Angles of an Articulated Microrobotic Instrument Using Optical Coherence Tomography
Notice bibliographique
Résumé
Pose estimation of surgical tools is necessary for controlling and manipulating the tool in confined surgical regions for minimally invasive surgeries. Several studies have explored the application of robot assisted surgeries which require an imaging system to track the tool and navigate it with high accuracy and precision. Optical Coherence Tomog-raphy (OCT) is an emerging volumetric imaging modality in minimally invasive robot assisted surgery. We present a marker-based computer vision algorithm to estimate the wrist and finger joint angles of a neurosurgical gripper tool from an OCT volume. The tool's joint angles lie on two perpendicular planes. Markers of 1 mm diameter are placed on the tool and then the gripper is imaged under the OCT system. The raw volumetric images are pre-processed by downsampling and applying thresholds. The markers in the OCT volume are then detected using 3D template matching. False positive detections are algorithmically omitted by evaluating the relative distances between the markers. Finally, the positions of these detected markers are used to estimate the joint angles. Our approach yields an average error of 2.20 and a standard deviation of 3.4° for the wrist joint$(\theta_{1})$. For the finger joint$(\theta_{2})$, it yields an average error of 2° and a standard deviation of 1.5°• The estimations are provided within 0.5 seconds on a PC with a 16 core CPU.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 ».