Robotic Assisted Cleft Palate Repair Using Novel 3 mm Tools: A Reachability and Collision Analysis
Notice bibliographique
Résumé
OBJECTIVE: Cleft palate repair is technically challenging: visualization is reduced, delicate dissection is required, and instrument reachability is limited within the infant oral cavity using standard instruments. A 3 mm diameter pin-jointed wristed tool was developed that couples to a da Vinci Research Kit (dVRK) to perform infant cleft palate surgery. METHODS: A reachability simulation analysis was performed to determine the number of collisions (tool-tool and tool-cavity) for tool tip positions within the oral cavity and the impact of dVRK trocar height. Tool reachability was measured using a reachability ratio of collision-free to total poses considered for a given oral cavity target point. Three physical experiments were performed using a high-fidelity cleft palate simulator: (1) the 3 mm tools were compared to existing 8 mm tools assessing visual field obstruction and the number of collisions during suturing tasks; (2) an end-to-end robotic assisted cleft palate repair was performed on the simulator using the new tool assessing collisions; and (3) the impact of trocar height on tool performance was investigated to validate the reachability simulation analysis. RESULTS: The 3 mm tools demonstrated fifteen times fewer tool-cavity collisions and 21% less visual obstruction than the 8 mm tools. Average tool-cavity collisions per throw demonstrated an increasing trend posteriorly within the oral cavity (nasal mucosa: $R^{2}=0.344$, $p=0.013$; oral mucosa: $R^{2}=0.811$, $p< 0.001$); and a 31% increase ($R^{2}=0.988$, $p=0.069$) with increasing trocar height. CONCLUSION/SIGNIFICANCE: Physical experiments validated tool functionality for cleft repair and the reachability analysis reveals increasing collision risk deeper within the oral cavity.
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 | 0,001 |
| 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 ».