An accessible six-axis testbed for image-guided robotics research
Notice bibliographique
Résumé
<strong>PURPOSE</strong>: Cancer can recur after tumor resection surgery if tumor tissue is missed and left behind. We hypothesize that intraoperative robotic imaging could be used to inspect the surgical cavity and localize residual cancer tissue. This technique has the potential to improve the success rate of tumor resection surgery. Towards this, we propose and evaluate a benchtop testbed for robotic manipulation of an optical imaging probe. We use low-cost hardware and open-source software to construct the testbed and describe the implementation so that it can be easily adopted to support similar research. <strong>METHODS</strong>: We implemented a reusable, open-source module in 3D Slicer for reading position coordinates and motion planning with an inexpensive 6-axis robotic arm in Robot Operating System (ROS). For demonstration, a custom end-effector was used to fix an optical probe to the robot. The accuracy of the testbed was assessed using a 3D-printed phantom with 16 target points. We used the testbed to automatically scan the phantom and measured the positioning accuracy of the robot. <strong>RESULTS</strong>: The testbed had an average positional accuracy of <strong>3.59 ± 1.4</strong> mm and successfully navigated to the majority of target points. <strong>CONCLUSIONS</strong>: While the current positional accuracy requires further refinement for clinical applications, this open-source benchtop system provides a foundational step towards developing benchtop image-guided tumor inspection systems using low-cost robotics. Future work will explore the application of this test bed within breast conserving surgery along with increasing the positional accuracy of the system.
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 ».