دوره 14، شماره 5 - ( جلد 14، شماره 5، ویژه نامه کووید-19 1400 )                   جلد 14 شماره 5,1400 صفحات 121-125 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Heidari R, Motaharifar M, Taghirad H, Mohammadi S, Lashay A. A Review on Applications of Haptic Systems, Virtual Reality, and Artificial Intelligence in Medical Training in COVID-19 Pandemic. JoC. 2021; 14 (5) :121-125
URL: http://joc.kntu.ac.ir/article-1-819-fa.html
حیدری رضا، مطهری فر محمد، تقی راد حمیدرضا، محمدی سید فرزاد، لاشیئی علیرضا. مروری بر کاربرد سیستم های هپتیک، واقعیت مجازی و هوش مصنوعی در آموزش پزشکی با توجه به همه گیری کووید-19. مجله کنترل. 1400; 14 (5) :121-125

URL: http://joc.kntu.ac.ir/article-1-819-fa.html


1- دانشگاه صنعتی خواجه نصیرالدین طوسی
2- دانشگاه اصفهان
3- دانشگاه علوم پزشکی تهران
چکیده:   (490 مشاهده)
این مقاله سعی در معرفی کاربردهای سیستم­های هپتیک، واقیت مجازی و هوش مصنوعی در زمینه آموزش پزشکی در دوران همه­گیری ویروس کرونا را دارد. در دهه­های اخیر، استفاده از تکنولوژی­های جدید برای ابداع روش­هایی توانمند که قابلیت جایگزینی با روش­های آموزش سنتی را دارا باشد، رونق فراوان گرفته­است. این روش­ها کوشیده­اند تا با دخیل­کردن بیشتر جراح ماهر در فرآیند آموزش، عواقب ناشی از اشتباهات جراحان تازه­کار را برای بیماران به حداقل برسانند. با ایجاد شرایط خاص ناشی از ویروس کرونا در ایران و جهان و با وضع شرایط قرنطینه در بسیاری از شهرها اهمیت آن­ها افزایش یافته­است چرا که نیاز به تماس فیزیکی را به حداقل رسانده و در حفظ سلامت کادر پزشکی تاثیر بسزایی خواهند داشت. تمامی مراحل آموزش با بهره­گیری از روش­های جدید می­تواند با حفظ فاصله­گذاری اجتماعی و حتی بصورت غیرحضوری انجام شود که خطر ابتلا را برای تمامی افراد دخیل در چرخه آموزش از بین خواهد برد. این مطالعه مروری، تلاش می­کند تا با ارائه حوزه­هایی که پتانسیل استفاده از روش­های جدید را دارا می­باشند، به قطع زنجیره ابتلا در زمان همه­گیری ویروس کرونا و یا بحران­های مشابه کمک کند.
متن کامل [PDF 287 kb]   (203 دریافت)    
نوع مطالعه: كاربردي | موضوع مقاله: کووید 19
دریافت: 1399/10/10 | پذیرش: 1399/11/27 | انتشار: 1399/12/10

فهرست منابع
1. A. Biswas, U. Bhattacharjee, A. K. Chakrabarti, D. N. Tewari, H. Banu, and S. Dutta, "Emergence of Novel Coronavirus and COVID-19: whether to stay or die out?," Critical reviews in microbiology, vol. 46, no. 2, pp. 182-193, 2020. [DOI:10.1080/1040841X.2020.1739001]
2. "COVID-19 CORONAVIRUS PANDEMIC." worldmeter. https://www.worldometers.info/coronavirus/ (accessed December 26, 2020).
3. N. Subbaraman, "Who gets a COVID vaccine first? Access plans are taking shape," Nature, vol. 17, 2020. [DOI:10.1038/d41586-020-02684-9]
4. C. Hodges, S. Moore, B. Lockee, T. Trust, and A. Bond, "The difference between emergency remote teaching and online learning," Educause Review, vol. 27, 2020.
5. W. Zhang, Y. Wang, L. Yang, and C. Wang, "Suspending classes without stopping learning: China's education emergency management policy in the COVID-19 Outbreak," ed: Multidisciplinary Digital Publishing Institute, 2020. [DOI:10.3390/jrfm13030055]
6. M. de Notaris et al., "A three-dimensional computer-based perspective of the skull base," World neurosurgery, vol. 82, no. 6, pp. S41-S48, 2014. [DOI:10.1016/j.wneu.2014.07.024]
7. K. Kurzhals, M. Burch, T. Pfeiffer, and D. Weiskopf, "Eye tracking in computer-based visualization," Computing in Science & Engineering, vol. 17, no. 5, pp. 64-71, 2015. [DOI:10.1109/MCSE.2015.93]
8. M. Kersten-Oertel et al., "Augmented reality in neurovascular surgery: feasibility and first uses in the operating room," International journal of computer assisted radiology and surgery, vol. 10, no. 11, pp. 1823-1836, 2015. [DOI:10.1007/s11548-015-1163-8]
9. M. A. Lerner, M. Ayalew, W. J. Peine, and C. P. Sundaram, "Does training on a virtual reality robotic simulator improve performance on the da Vinci® surgical system?," Journal of Endourology, vol. 24, no. 3, pp. 467-472, 2010. [DOI:10.1089/end.2009.0190]
10. Y.-X. Hung, P.-C. Huang, K.-T. Chen, and W.-C. Chu, "What do stroke patients look for in game-based rehabilitation: a survey study," Medicine, vol. 95, no. 11, 2016. [DOI:10.1097/MD.0000000000003032]
11. S. S. Nudehi, R. Mukherjee, and M. Ghodoussi, "A shared-control approach to haptic interface design for minimally invasive telesurgical training," IEEE Transactions on Control Systems Technology, vol. 13, no. 4, pp. 588-592, 2005. [DOI:10.1109/TCST.2004.843131]
12. M. Motaharifar, H. D. Taghirad, K. Hashtrudi-Zaad, and S. F. Mohammadi, "Control synthesis and ISS stability analysis of a dual-user haptic training system based on S-shaped function," IEEE/ASME Transactions on Mechatronics, vol. 24, no. 4, pp. 1553-1564, 2019. [DOI:10.1109/TMECH.2019.2917448]
13. M. Shahbazi, S. F. Atashzar, H. A. Talebi, and R. V. Patel, "An expertise-oriented training framework for robotics-assisted surgery," in 2014 IEEE international conference on robotics and automation (ICRA), 2014: IEEE, pp. 5902-5907. [DOI:10.1109/ICRA.2014.6907728]
14. F. Liu, A. Lelevé, D. Eberard, and T. Redarce, "A dual-user teleoperation system with online authority adjustment for haptic training," in 2015 37th annual international conference of the IEEE engineering in medicine and biology society (EMBC), 2015: IEEE, pp. 1168-1171. [DOI:10.1109/EMBC.2015.7318574]
15. Z. Lu, P. Huang, P. Dai, Z. Liu, and Z. Meng, "Enhanced transparency dual-user shared control teleoperation architecture with multiple adaptive dominance factors," International Journal of Control, Automation and Systems, vol. 15, no. 5, pp. 2301-2312, 2017. [DOI:10.1007/s12555-016-0467-y]
16. R. Heidari, M. Motaharifar, and H. Taghirad, "Robust Impedance Control for Dual User Haptic Training System," in 2019 7th International Conference on Robotics and Mechatronics (ICRoM), 2019: IEEE, pp. 181-185. [DOI:10.1109/ICRoM48714.2019.9071859]
17. M. Motaharifar, H. D. Taghirad, K. Hashtrudi-Zaad, and S. F. Mohammadi, "Control of Dual-User Haptic Training System With Online Authority Adjustment: An Observer-Based Adaptive Robust Scheme," IEEE Transactions on Control Systems Technology, 2019. [DOI:10.1109/TCST.2019.2946943]
18. N. Ahmidi et al., "A dataset and benchmarks for segmentation and recognition of gestures in robotic surgery," IEEE Transactions on Biomedical Engineering, vol. 64, no. 9, pp. 2025-2041, 2017. [DOI:10.1109/TBME.2016.2647680]
19. C. P. Van Der Vleuten, "The assessment of professional competence: developments, research and practical implications," Advances in Health Sciences Education, vol. 1, no. 1, pp. 41-67, 1996. [DOI:10.1007/BF00596229]
20. J. Martin et al., "Objective structured assessment of technical skill (OSATS) for surgical residents," British journal of surgery, vol. 84, no. 2, pp. 273-278, 1997. [DOI:10.1046/j.1365-2168.1997.02502.x]
21. H. Al Hajj et al., "CATARACTS: Challenge on automatic tool annotation for cataRACT surgery," Medical image analysis, vol. 52, pp. 24-41, 2019. [DOI:10.1016/j.media.2018.11.008]
22. G. S. Guthart and J. K. Salisbury, "The Intuitive/sup TM/telesurgery system: overview and application," in Proceedings 2000 ICRA. Millennium Conference. IEEE International Conference on Robotics and Automation. Symposia Proceedings (Cat. No. 00CH37065), 2000, vol. 1: IEEE, pp. 618-621.
23. Z. Lin et al., "Objective skill evaluation for laparoscopic training based on motion analysis," IEEE Transactions on Biomedical Engineering, vol. 60, no. 4, pp. 977-985, 2012. [DOI:10.1109/TBME.2012.2230260]
24. T. Horeman, J. Dankelman, F. W. Jansen, and J. J. van den Dobbelsteen, "Assessment of laparoscopic skills based on force and motion parameters," IEEE Transactions on Biomedical Engineering, vol. 61, no. 3, pp. 805-813, 2013. [DOI:10.1109/TBME.2013.2290052]
25. T. Horeman, S. P. Rodrigues, F. W. Jansen, J. Dankelman, and J. J. van den Dobbelsteen, "Force parameters for skills assessment in laparoscopy," IEEE Transactions on Haptics, vol. 5, no. 4, pp. 312-322, 2011. [DOI:10.1109/TOH.2011.60]
26. K. R. Martin and R. L. Burton, "The phacoemulsification learning curve: per-operative complications in the first 3000 cases of an experienced surgeon," Eye, vol. 14, no. 2, pp. 190-195, 2000. [DOI:10.1038/eye.2000.52]
27. S. Cotin, N. Stylopoulos, M. Ottensmeyer, P. Neumann, D. Rattner, and S. Dawson, "Metrics for laparoscopic skills trainers: The weakest link!," in International conference on medical image computing and computer-assisted intervention, 2002: Springer, pp. 35-43. [DOI:10.1007/3-540-45786-0_5]
28. A. L. Trejos, R. V. Patel, R. A. Malthaner, and C. M. Schlachta, "Development of force-based metrics for skills assessment in minimally invasive surgery," Surgical endoscopy, vol. 28, no. 7, pp. 2106-2119, 2014. [DOI:10.1007/s00464-014-3442-9]
29. A. Zia and I. Essa, "Automated surgical skill assessment in RMIS training," International journal of computer assisted radiology and surgery, vol. 13, no. 5, pp. 731-739, 2018. [DOI:10.1007/s11548-018-1735-5]

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


کلیه حقوق این وب سایت متعلق به مجله کنترل می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2021 CC BY-NC 4.0 | Journal of Control

Designed & Developed by : Yektaweb