Impact of Image Latency and Frame Rate on Simulated Remote Robotic-Assisted Neurovascular Procedures
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: The implementation of remote procedures represents the ultimate goal of the robotic development in the neurovascular field. Studies from remote cardiac interventions established a maximum latency threshold of 400 ms, however, no data are available for neurovascular procedures. The aim of this study was to define the maximum acceptable latency and minimum refreshment frame rate (RFR) for neuroendovascular procedures in a simulated remote setting. MATERIALS AND METHODS: Using a virtual simulator and an endovascular robotic arm, 7 operators performed 8 simulated aneurysm and stroke treatment interventions (4 manually and 4 robotic-assisted), during which video display of the intervention was randomly altered with different latencies (100, 250, 450, 600, 800 ms) and RFR (10, 15, 25, 30 frames per second [fps]). Operators rated the acceptability of each latency and RFR by using a modified acceptability score (mAS) and an independent observer recorded the number of dangerous uncontrolled movement (DUMs). RESULTS: Maximum acceptable latency (defined as a minimum mAS of 85%) was defined at 100 ms for manually performed procedures and at 250 ms by using robotic-assistance, whereas minimum acceptable RFR was defined at 15 fps. A total of 55 intracranial DUMs were recorded, most of which occurred at latencies ≥450 ms (49/51) and with RFRs of 10 fps (4/4). Time intervals were shorter for manual procedures, although not significantly, and for experienced operators. CONCLUSIONS: Latency during simulated neurovascular interventions influences operator performance, judgment, and confidence and maximum thresholds (250 ms) seem to be lower than those previously reported from remote cardiac interventions. In this experimental setting, RFR seemed to have a lower impact in terms of acceptance rates. Latency and RFR represent relevant parameters to define and monitor in remote environments to maximize safety.
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 | 0,002 | 0,017 |
| 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 | 0,001 | 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) | 0,002 | 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 ».