We introduced a method to obtain the continuum description of the elastic properties of mono- layer h-BN through ab initio density functional theory. This thermodynamically rigorous contin- uum description of the elastic response is formulated by expanding the elastic strain energy density in a Taylor series in strain truncated after the fifth-order term. we obtained a total of fourteen nonzero independent elastic constants for the up to tenth-order tensor. We predicted the pressure dependent second-order elastic moduli. This continuum formulation is suitable for incorporation into the finite element method.

Haptics is a valuable tool in minimally invasive surgical simulation and training. We discuss important aspects of haptics in MISST, such as haptic rendering and haptic recording and playback. Minimally invasive surgery has revolutionized many surgical procedures over the last few decades. MIS is performed using a small video camera, a video display, and a few customized surgical tools. In procedures such as gall bladder removal (laparoscopic cholesystectomy), surgeons insert a camera and long slender tools into the abdomen through small skin incisions to explore the internal cavity and manipulate organs from outside the body as they view their actions on a video display. Because the development of minimally invasive techniques has reduced the sense of touch compared to open surgery, surgeons must rely more on the feeling of net forces resulting from tool-tissue interactions and need more training to successfully operate on patients.

Long-term integration of neuroprosthetic devices is challenged by reactive responses that compromise the brain–device interface. The contribution of physical insertion parameters to immediate damage is not well described. We have developed an ex vivo preparation to capture real-time images of tissue deformation during device insertion using thick tissue slices from rat brains prepared with fluorescently labeled vasculature. Qualitative and quantitative assessments of damage were made for insertions using devices with different tip shapes inserted at different speeds. Direct damage to the vasculature included severing, rupturing and dragging, and was often observed several hundred micrometers from the insertion site. Slower insertions generally resulted in more vascular damage. Cortical surface features greatly affected insertion success; insertions attempted through pial blood vessels resulted in severe tissue compression. Automated image analysis techniques were developed to quantify tissue deformation and calculate mean effective strain. Quantitative measures demonstrated that, within the range of experimental conditions studied, faster insertion of sharp devices resulted in lower mean effective strain. Variability within each insertion condition indicates that multiple biological factors may influence insertion success. Multiple biological factors may contribute to tissue distortion, thus a wide variability was observed among insertions made under the same conditions.

The structural and mechanical properties of graphene-like honeycomb monolayer structures of MoS2 (g-MoS2) under various large strains are investigated using density functional theory (DFT). g-MoS2 is mechanically stable and can sustain extra large strains: the ultimate strains are 0.24, 0.37, and 0.26 for armchair, zigzag, and biaxial deformation, respectively. The in-plane stiffness is as high as 120 N m(-1) (184 GPa equivalently). The third, fourth, and fifth order elastic constants are indispensable for accurate modeling of the mechanical properties under strains larger than 0.04, 0.07, and 0.13 respectively. The second order elastic constants, including in-plane stiffness, are predicted to monotonically increase with pressure while the Poisson ratio monotonically decreases with increasing pressure. With the prominent mechanical properties including large ultimate strains and in-plane stiffness, g-MoS2 is a promising candidate of elastic energy storage for clean energy. It possesses a theoretical energy storage capacity as high as 8.8 MJ L(-1) and 1.7 MJ kg(-1), or 476 W h kg(-1), larger than a Li-ion battery and is environmentally friendly.

We investigated the mechanical properties of graphyne monolayers using first-principles calculations based on the Density Functional Theory. Graphyne has a relatively low in-plane Young's modulus (162 N m−1) and a large Poisson ratio (0.429) compared to graphene. It can sustain large nonlinear elastic deformations up to an ultimate strain of 0.2 followed by strain softening until failure. The single bond is more vulnerable to rupture than the triple bond and aromatic bond, although it has a shorter bond length (0.19 Å shorter) than the aromatic bond. A rigorous continuum description of the elastic response is formulated by expanding the elastic strain energy density in a Taylor series in strain truncated after the fifth-order term. We obtained a total of fourteen nonzero independent elastic constants which are components of tensors up to the tenth order. Pressure effects on the second-order elastic constants, in-plane Young's modulus, and Poisson ratio are predicted. This study implies that graphyne-based surface acoustic wave sensors and waveguides may be synthesized by introducing precisely controlled local strains on graphyne monolayers.

Measuring motor skill proficiency is critical for the certification of highly-skilled individuals in numerous fields. However, conventional measures use subjective metrics that often cannot distinguish between expertise levels. Here, we present an advanced optical neuroimaging methodology that can objectively and successfully classify subjects with different expertise levels associated with bimanual motor dexterity. The methodology was tested by assessing laparoscopic surgery skills within the framework of the fundamentals of laparoscopic surgery program, which is a pre-requisite for certification in general surgery. We demonstrate that optical-based metrics outperformed current metrics for surgical certification in classifying subjects with varying surgical expertise. Moreover, we report that optical neuroimaging allows for the successful classification of subjects during the acquisition of such skills.

Abstract Functional brain connectivity using functional near-infrared spectroscopy (fNIRS) during a pattern cutting (PC) task was investigated in physical and virtual simulators. 14 right-handed novice medical students were recruited and divided into separate cohorts for physical (N=8) and virtual (N=6) PC training. Functional brain connectivity measured were based on wavelet coherence (WCOH) from task-related oxygenated hemoglobin (HBO2) changes from baseline at left and right prefrontal cortex (LPFC, RPFC), left and right primary motor cortex (LPMC, RPMC), and supplementary motor area (SMA). HBO2 changes within the neurovascular frequency band (0.01-0.07Hz) from long-separation channels were used to compute average inter-regional WCOH metrics during the PC task. The coefficient of variation (CoV) of WCOH metrics and PC performance metrics were compared. WCOH metrics from short-separation fNIRS time-series were separately compared. Partial eta squared effect size (Bonferroni correction) between the physical versus virtual simulator cohorts was found to be highest for LPMC-RPMC connectivity. Also, the percent change in magnitude-squared WCOH metric was statistically (p<0.05) different for LPMC-RPMC connectivity between the physical and the virtual simulator cohorts. Percent change in WCOH metrics from extracerebral sources was not different at the 5% significance level. Also, higher CoV for both LPMC-RPMC magnitude-squared WCOH metric and PC performance metrics were found in physical than a virtual simulator. We conclude that interhemispheric connectivity of the primary motor cortex is the distinguishing functional brain connectivity feature between the physical versus the virtual simulator cohorts. Brain-behavior relationship based on CoV between the LPMC-RPMC magnitude-squared WCOH metric and the FLS PC performance metric provided novel insights into the neuroergonomics of the physical and virtual simulators that is crucial for validating Virtual Reality technology.

This surgical innovation explains how applying deep neural networks could ensure the continued use of video-based assessment.