論文の概要: Novel Ex-vivo Calf Brain Model with Integrated Sub-Skull Force Sensors to Access Simulated Neurosurgical Procedures
- arxiv url: http://arxiv.org/abs/2609.14198v1
- Date: Sun, 13 Sep 2026 00:11:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 07:15:05.760264
- Title: Novel Ex-vivo Calf Brain Model with Integrated Sub-Skull Force Sensors to Access Simulated Neurosurgical Procedures
- Title（参考訳）: 模擬脳外科手術への統合型サブスカルフォースセンサを用いた新生カルフ脳モデルの開発
- Abstract要約: 模擬脳外科手術における頭蓋・頭蓋界面を横断する道具間相互作用力を測定する携帯型前立腺力センシングプラットフォームを提案し,その妥当性を検証した。
このシステムは、6自由度力/トルクセンサーとリアルタイムのデータ取得システムを備えた3Dプリントヒト頭蓋骨モデルに置かれる、脳小葉の生物学的サロゲートとして用いられる新鮮なふくらはぎ脳組織を含む。
5つの検証プロトコルは, キャリブレーション重量(0.5-50g), 最小検出力, 異なる解剖学的領域における空間的整合性を用いて, 地盤の精度と動的忠実度, 静的精度, 線形性について評価した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Surgical tissue manipulation demands precision; however, tool-tissue manipulation force magnitudes under realistic conditions are rarely quantified. To address this gap, we proposed and validated a portable ex-vivo force-sensing platform that measures tool-tissue interaction forces across the skull-brain interface during simulated neurosurgery. The system involves fresh calf brain tissue, used as a biological surrogate for brain parenchyma, placed in a 3D-printed human skull model equipped with a 6 degree-of-freedom force/torque sensor and a real-time data acquisition system. Five validation protocols assessed the accuracy and dynamic fidelity of the platform against ground-truth measurement, static accuracy and linearity using calibrated weights (0.5-50 g), minimum detectable force, spatial consistency across different anatomical regions, effect of surgical draping, and long-duration stability. Across protocols, measured forces showed excellent agreement with reference loads (correlation R = 0.9997), with RMSE < 0.005 N and mean relative error under 2%. The platform reliably detected low-magnitude forces down to 1 g (9.8 mN), while surgical drapes introduced no meaningful signal distortion and prolonged recordings exhibited minimal drift. Overall, the proposed framework provides objective, high-fidelity force quantification for skill training and performance assessment using fresh calf brain tissue and may serve as a foundation for force-based evaluation across other surgical procedures. Future work will integrate clinically used surgical instruments to increase procedural realism and will progress toward clinical trials to evaluate usability, educational impact, and translational relevance in practice-adjacent settings.
- Abstract（参考訳）: 外科的組織操作は精度が要求されるが、現実的な条件下でのツール・タスク操作力の大きさはめったに定量化されない。
このギャップに対処するために、我々は、模擬神経外科手術中に頭蓋骨と脳の界面を横断するツールとタスクの相互作用力を計測する、ポータブルな元ビビオセンシングプラットフォームを提案し、検証した。
このシステムは、6自由度力/トルクセンサーとリアルタイムのデータ取得システムを備えた3Dプリントヒト頭蓋骨モデルに置かれる、脳小葉の生物学的サロゲートとして用いられる新鮮なふくらはぎ脳組織を含む。
5つの検証プロトコルは, 地盤の剛性, 静的精度, 線形性, 最小検出力, 解剖学的領域の空間的整合性, 外科的ドレーピングの効果, 長期保存安定性について評価した。
基準荷重 (R = 0.9997) とRMSE < 0.005 N, 平均相対誤差は2%以下であった。
プラットホームは確実に1g (9.8 mN)まで低マグニチュード力を検出したが、外科用ドレープは有意義な信号歪みを生じさせず、記録の延長は最小限のドリフトを示した。
提案した枠組みは, 人工脳組織を用いたスキルトレーニングおよびパフォーマンス評価のための客観的かつ高忠実な力量化を提供するとともに, 他の外科手術における力による評価の基礎として機能する可能性がある。
今後の研究は、臨床で使用される外科器具を統合して、手続き的リアリズムを高めるとともに、実用性、教育的影響、および実践隣接環境における翻訳関連性を評価するための臨床試験に向けて進む予定である。
関連論文リスト
- Eversion-based robots can enable safe access,steering and endoscopic imaging within the spinal subarachnoid space [7.4000506819669845]
2mm長径の伸縮成長型ロボットプラットフォームを作製し,ヒト脊柱管腔内における摩擦の最小化とステアリングを実現した。
ロボットは、極小の内視鏡を内蔵し、リアルタイムで内皮内を可視化し、圧力駆動型先端エバーションにより前進させる。
患者は無傷で150mmの経皮的拡張を達成し, 同時に鏡視下, 内視鏡視下手術を施行した。
論文 参考訳（メタデータ） (2026-07-21T16:46:00Z) - Virtual-reality based patient-specific simulation of spine surgical procedures: A fast, highly automated and high-fidelity system for surgical education and planning [0.0]
外科訓練には、戦術教育、メンター主導の学習、外科技術研究所、手術への直接的露出が含まれる。
この作業は、バーチャルリアリティ(VR)を活用して、安全で没入的なトレーニング環境を提供する。
論文 参考訳（メタデータ） (2026-04-29T15:12:18Z) - CT-Enabled Patient-Specific Simulation and Contact-Aware Robotic Planning for Cochlear Implantation [41.386729124620366]
ロボットの人工内耳挿入は、人工内耳の外傷を最小限に抑えるために、接触力の正確な予測と調節を必要とする。
本稿では,接触型挿入計画と検証のためのCT-to-simulationパイプラインについて述べる。
論文 参考訳（メタデータ） (2026-03-05T16:13:59Z) - Learning-based Force Sensing and Impedance Matching for Safe Haptic Feedback in Robot-assisted Laparoscopic Surgery [0.0]
インピーダンスマッチングアプローチ(NIMA)は、動的ダイナミクスを組み込んで、複雑なツールとタスクのインタラクションをリアルタイムで正確にモデル化し、レンダリングする。
NIMA は平均絶対誤差 0.01 (std 0.02 N) を達成し、従来の手法と比べて95%の削減を達成している。
NIMAは様々な手術条件における力の忠実度、応答性、精度を大幅に向上させる。
論文 参考訳（メタデータ） (2026-01-20T19:57:50Z) - Toward Reliable AR-Guided Surgical Navigation: Interactive Deformation Modeling with Data-Driven Biomechanics and Prompts [21.952265898720825]
本稿では,計算効率を向上しつつ,FEMレベルの精度を維持するデータ駆動アルゴリズムを提案する。
変形モデリングプロセスに新たなヒューマン・イン・ザ・ループ機構を導入する。
提案アルゴリズムは, 平均目標登録誤差を3.42mmとし, ボリューム精度で最先端の手法を超越した。
論文 参考訳（メタデータ） (2025-06-08T14:19:54Z) - Time-Varying Coronary Artery Deformation: A Dynamic Skinning Framework for Surgical Training [33.92599418560439]
本研究は, 骨格スキンウェイトを用いた冠状動脈の動的モデリングフレームワークを提案する。
外科シミュレーションのリアルタイム性能を維持しつつ, 血管の変形を正確に制御することを目的としている。
論文 参考訳（メタデータ） (2025-03-04T02:51:37Z) - Machine learning for cerebral blood vessels' malformations [38.524104108347764]
脳動脈瘤と動静脈奇形は、生命を脅かす脳の血行動態である。
脳血流のパラメータは、リスクアセスメントと治療予後のための機械学習支援プロトコルに利用できる可能性がある。
論文 参考訳（メタデータ） (2024-11-25T12:58:00Z) - Machine Learning for ALSFRS-R Score Prediction: Making Sense of the Sensor Data [44.99833362998488]
筋萎縮性側索硬化症(Amyotrophic Lateral Sclerosis、ALS)は、急速に進行する神経変性疾患である。
iDPP@CLEF 2024チャレンジを先導した今回の調査は,アプリから得られるセンサデータを活用することに焦点を当てている。
論文 参考訳（メタデータ） (2024-07-10T19:17:23Z) - Safe Deep RL for Intraoperative Planning of Pedicle Screw Placement [61.28459114068828]
安全な深部強化学習(DRL)に基づく訓練経路計画にリアルタイムな観察を活用するロボット脊椎手術の術中計画手法を提案する。
本手法は,ゴールドスタンダード (GS) 掘削計画に関して,90%の骨貫通を達成できた。
論文 参考訳（メタデータ） (2023-05-09T11:42:53Z) - Controlling False Positive/Negative Rates for Deep-Learning-Based
Prostate Cancer Detection on Multiparametric MR images [58.85481248101611]
そこで本研究では,病変からスライスまでのマッピング機能に基づく,病変レベルのコスト感受性損失と付加的なスライスレベルの損失を組み込んだ新しいPCa検出ネットワークを提案する。
1) 病変レベルFNRを0.19から0.10に, 病変レベルFPRを1.03から0.66に減らした。
論文 参考訳（メタデータ） (2021-06-04T09:51:27Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。