Quantification of the visco-elastic properties of human lung tissue in the development of a tissue mimicking phantom for applications in thoracic and robot-assisted surgical simulation
Notice bibliographique
Résumé
Surgical simulation permits the adoption of new skills and enables the development of new procedures and instrumentation. Essential to surgical simulation are materials with realistic imaging and force feedback properties that accurately simulate tissue behaviour. The visco-elastic properties of human lung tissue were quantified for the development of a tissue mimicking lung phantom for thoracic and robot-assisted surgical simulation. We set out to determine if the mechanical properties of human lung tissue can be determined using a simple instrument. A small, free-standing desktop instrument capable of employing and quantifying a normal indentation to a target tissue was developed and validated against the gold standard of compression testing. Six separate lung and tumour specimens were subjected to repeated cycles of indentation testing immediately after surgical resection. Each specimen was indented with an incremental indentation stress ranging from 0.01 to 0.1 Newtons (N). A force (N) versus displacement (mm) curve was generated as a reflection of the indentation data. The pooled data generated statistically distinct curves for the tumour and lung specimens. The resulting curve for the indentation of the resected lung specimens is defined by the equation y = 0.0863 × − 0.0267 (R2 = 0.996), and the indentation curve for the tumour specimens is defined by y = 0.1554 × − 0.0024 (R2 = 1). The mechanical properties of human lung tissue can be determined using a simple tissue indenter. To our knowledge, this is the first description and quantification of the visco-elastic properties of lung tissue. These data have been used to generate a prototype of an anatomically and mechanically accurate tissue-mimicking phantom.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».