MétaCan
Menu
← Back to cohort
Record W7064992520

Conception et évaluation d’un simulateur à réalité virtuelle d’intervention laparoscopique actionné par des embrayages magnétorhéologiques

2023· other· fr· W7064992520 on OpenAlexaboutno aff

Bibliographic record

VenueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke) · 2023
Typeother
Languagefr
FieldPhysics and Astronomy
TopicAstrophysical Phenomena and Observations
Canadian institutionsnot available
Fundersnot available
KeywordsWizard of ozOccupational trainingSuccess factors
DOInot available

Abstract

fetched live from OpenAlex

La laparoscopie est une technique chirurgicale qui offre une alternative moins invasive à la chirurgie abdominale traditionnelle, en permettant aux patients de récupérer plus rapidement et avec moins de douleur. Dès son arrivée, cette nouvelle technique a su révolutionner le monde de la chirurgie, mais cette révolution est d'ailleurs venue avec un cout, une formation longue et difficile. Des simulateurs haptiques ont tenté de rendre cet apprentissage plus facile, mais leur cout élevé et leurs grosses dimensions les rendent difficiles d'accès pour les étudiants moyens. Afin de résoudre ce problème, des concepts qui utilisent des dispositifs haptiques sont offerts sur le marché pour concevoir des plateformes de simulation d'interventions laparoscopiques. Ces plateformes sont toutefois peu fidèles à la réalité et n'atteignent pas simultanément les performances dynamiques et cinétiques nécessaires à un apprentissage adéquat. En effet, les moteurs électriques utilisés obligent les concepteurs de dispositifs haptiques à faire un compromis entre la force produite et la réponse dynamique du système. Cette approche pourrait par contre être utilisée avec un dispositif haptique nouvelle-génération, le T-Rex. Ce dernier a été développé récemment par Exonetik, une compagnie issue de recherches de l'Université de Sherbrooke. Contrairement aux dispositifs haptiques offerts sur le marché, le T-Rex utilise la technologie d'actionneurs magnéto-rhéologiques développée par Exonetik. Cette technologie pourrait permettre d'atteindre les performances dynamiques et cinétiques nécessaires à la formation de chirurgiens. Ce projet de recherche présente l'analyse préliminaire du T-Rex d'Exonetik en tant que simulateur à réalité virtuelle d'interventions laparoscopiques. Un simulateur à réalité virtuelle d'interventions laparoscopiques utilisant le T-Rex d'Exonetik en tant qu'interface haptique a été conçu. Des critères de performances ont été établis à l'aide de la littérature pour faire une évaluation quantitative du système. Des simulations utilisant la méthode des éléments finis ont aussi été développées pour faire une évaluation qualitative du système auprès de résidents et de chirurgiens. L'évaluation quantitative du système démontre qu'il répond aux quatre critères cinématiques ainsi qu'à trois des quatre critères cinétiques. Les résultats démontrent donc que l'utilisation d'actionneurs magnéto-rhéologiques dans les simulateurs à réalité virtuelle d'interventions laparoscopiques a beaucoup de potentiel. Par contre, la friction dans le système se doit d'être adressée dans les itérations futures du système.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame machine prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.003
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Simulation or modeling · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: none
Teacher disagreement score0.003
Threshold uncertainty score0.009

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0010.003
Meta-epidemiology (narrow)0.0010.000
Meta-epidemiology (broad)0.0000.001
Bibliometrics0.0010.000
Science and technology studies0.0000.001
Scholarly communication0.0010.001
Open science0.0010.001
Research integrity0.0010.000
Insufficient payload (model declined to judge)0.0030.001

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.018
GPT teacher head0.229
Teacher spread0.211 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designSimulation or modeling
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2023
Admission routes1
Has abstractyes

Explore more

Same venueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke)→Same topicAstrophysical Phenomena and Observations→French-language works237,207→