Design of intelligent human-machine collaborative robot-assisted craniotomy system
Notice bibliographique
Résumé
Objectives: To develop an intelligent human-machine collaborative control robot-assisted craniotomy system, and test its efficacy by experiments. Methods: The system integrated a UR5 robotic arm (Universal Robots, Denmark), a host computer, a double six-degree-of-freedom force sensor(Nanjing Yuli Instrument Co., Ltd.), a medical drill(AESCULAP®, Germany), a Polaris Optical navigation system(NDI,Canada), with a self-designed navigation procedure and a visual graphical user interface(GUI). According to a preoperative CT and resection plan, the motion of robotic arm can be restricted in a precise and safe area. Through experiments of the 3D-printed skull models and animals (Bama mini pig), we tested the accuracy, efficiency and safety of the robot system. Results: After successfully developed the robot-assisted craniotomy system, we tested the collaborative controlling fluency of robotic arm with the average response time less than 1 s, as well as feedback sensitivity of force sensor with an average result of 60 N and 50 N when drilling on skull models and mini pigs respectively. In addition, compared with "surgeon" group, "robot" group had less average positioning error (1.87 ± 0.66 mm VS 3.14 ± 0.73 mm, P < 0.001) and time spent (6.64 ± 1.15min VS 8.06 ± 1.10min, P = 0.001) in skull model experiments. Also, in mini pig experiments, "robot" group had less average positioning error (3.26 ± 0.51 mm VS 4.39 ± 0.75 mm, P = 0.008) and time spent (11.83 ± 0.92min VS 26.10 ± 1.62min, P < 0.001) compared with "surgeon" group. No matter in skull model experiments or in mini pig experiments, the durations of robot startup and navigation process were not different between the experimental group and control group (3.44 ± 0.98 VS 3.75 ± 1.00min, P = 0.39 [skull model experiments]; 6.42 ± 0.65 VS 7.10 ± 1.12min, P = 0.11 [mini pig experiments]). Because of limited samples, we compared the incidence of tissue injury between "robot" and "surgeon" group jointly (3.8 % [1/26] VS 19.2 % [5/26], P = 0.193). Conclusion: Successfully developed, the human-machine collaborative robot-assisted craniotomy system achieved craniotomy procedure fluently providing a sensitive force feedback to surgeon and did better than manual work by surgeon in accuracy, efficiency and safety. Further experimental research needs to be performed to testify its applicability in neurosurgery in future.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».