MétaCan
Menu
Retour à la cohorte
Enregistrement W7084749944 · doi:10.1109/tmrb.2025.3617956

Design and Validation of a Compact Concentric-Tube Robot for Percutaneous Nephrolithotomy

2025· article· en· W7084749944 sur OpenAlexafffund

Notice bibliographique

RevueIEEE Transactions on Medical Robotics and Bionics · 2025
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueBacterial Identification and Susceptibility Testing
Établissements canadiensLondon Health Sciences Centre
Organismes subventionnairesNational Institute of Biomedical Imaging and BioengineeringNational Institute of Diabetes and Digestive and Kidney DiseasesNational Institutes of HealthNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésRobotPercutaneous nephrolithotomyFootprintRobotic armRoboticsPercutaneousSoftwareSurgical robot

Résumé

récupéré en direct d'OpenAlex

Concentric-tube robots (CTRs) have garnered significant attention in various minimally invasive procedures due to their small size and dexterity. Despite extensive technical advancements in the development of CTRs, there is a lack of design approaches specific to their function as surgical instruments. This study proposes a compact CTR specifically designed for percutaneous nephrolithotomy (PCNL), adaptable for both hand-held operation and mounting on a passive arm. We employ a parallel carriage-based design to reduce the device's cross-sectional footprint (46 mm diameter, 322 mm length) and localize the center of mass (570 g mass) beneath the grip area, enhancing ergonomic comfort and control. An ergonomic evaluation of the robot during the handling of the robot by expert urologists, as well as non-clinicians, showed better ergonomics than standard hand-held PCNL devices. Additionally, closed-loop position control of the distal end of the CTR was implemented based on resolved-motion rate inverse kinematics. The performance of the robot was empirically validated through experiments on a life-size abdominal phantom. The results showed mean closed-loop position errors of 1.2±0.8 mm for autonomous navigation to 100 target points on the stone, indicating a performance level in line with the specific requirements of PCNL.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,854
Score d'incertitude au seuil0,350

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,287
Écart entre enseignants0,266 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Medical Robotics and BionicsMême sujetBacterial Identification and Susceptibility TestingTravaux en français237 207