MétaCan
Menu
Retour à la cohorte
Enregistrement W7132940896

Millimeter-Scale Magnetically Actuated Robotic Tools for Surgery and Cell Manipulation

2020· dissertation· W7132940896 sur OpenAlexaff
Onaizah Onaizah

Notice bibliographique

RevueTSpace · 2020
Typedissertation
Langue
DomainePhysics and Astronomy
ThématiqueMicro and Nano Robotics
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésRobotGRASPDrillRobot end effectorSurgical robotInvasive surgeryTeleoperationMobile robotGrippers
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Small scale robots are precise end-effectors that can manipulate objects with a high degree of accuracy. Many surgical and on-chip tasks can be performed by manipulating these robots in their dedicated environments. Mobile untethered surgical robots are an attractive research area because of their ability to maneuver inside small and constrained environments and perform tasks that were previously considered infeasible. These robots enable us to make surgery minimally invasive. Surgeons can drill a hole in your skull and insert the tools inside the ventricles from where they can navigate their way to either cut or grasp tissue. Because these robots are too small for electronics and on-board power, they are often actuated remotely using magnetic fields as these field can penetrate most environments and are relatively safe for biological organisms. This makes them an ideal tool to use inside the human body and for on-chip applications. Magnetic tools can be developed and placed inside microfluidic platforms for cell manipulation such as sorting and stimulation. Both on-chip and mobile devices are explored in this thesis focusing on applications related to cell manipulation as well as surgical tools. Specifically, this thesis involves a discussion on the development of a pair of micro-surgical scissors for cutting of soft tissues as well as a magnetically oscillating beam that can be used to apply shear stress to cells and used for cell sorting purposes.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,188
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
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)0,0010,000

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 Opus0,035
Tête enseignante GPT0,285
Écart entre enseignants0,250 · 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.

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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTSpaceMême sujetMicro and Nano RoboticsTravaux en français237 207