Network Feasibility Study for Remote Robotic-assisted Neurovascular Procedures
Notice bibliographique
Résumé
Ischemic stroke leads to over 12.2 million deaths each year and faces limited treatment accessdue to a shortage of surgeons and resources, even in advanced regions like Ontario. However, the advancement of communication technology offers a promising opportunity to explore remote robotic-assisted surgery as a potential solution. The key challenge lies in identifying the minimal network parameter requirements, such as latency, packet loss, jitter, and bandwidth, for safe remote neurointerventional procedures. The objective of this study is to define the minimum network requirements for remote robotic-assisted stroke surgery. To this end, a teleoperated robot has been developed for neurovascular procedures, and experiments have been conducted to evaluate network performance. The robot is teleoperated via TCP protocol and features a three devices control system with four degrees of freedom in joint space, thereby ensuring millimeter-level control and adaptability to commercial catheters used in neurointervention. The experiments involve performing the intracranial steps of four simulated stroke procedures under varying network conditions. Each procedure is repeated 15 times with different combinations of jitter, bandwidth, and packet loss. The study assesses the impact of these parameters on procedural performance through quantitative measurements and subjective evaluations by experienced physicians. Statistical analyses, such as the Keplan-Meier and Receiver Operating Characteristic evaluation, were performed to determine the optimal network thresholds required for successful remote robotic-assisted procedures. The minimal parameters found in this research are 0% packet loss, 50 ms jitter, and 200 MBps of bandwidth.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».