MétaCan
Menu
Retour à la cohorte
Enregistrement W1557715871 · doi:10.1088/0967-3334/36/6/1227

Automated robust test framework for electrical impedance tomography

2015· article· en· W1557715871 sur OpenAlexaff
Pascal Gaggero, Andy Adler, Andreas D. Waldmann, Yasin Mamatjan, Jörn Justiz, Volker Koch

Notice bibliographique

RevuePhysiological Measurement · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueElectrical and Bioimpedance Tomography
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésElectrical impedance tomographyImaging phantomComputer scienceElectrical impedanceFigure of meritImage qualityComputer visionArtificial intelligenceElectronic engineeringEngineeringImage (mathematics)Electrical engineeringOptics

Résumé

récupéré en direct d'OpenAlex

An automated test system and procedure is proposed, designed to enable systematic testing of electrical impedance tomography (EIT) devices. The system is designed to calculate reliable, repeatable and accurate performance figures of merit of an EIT system using a saline phantom and an industrial robot arm. Applications of the test system are to compare EIT devices against requirements, or to help optimize a device for its operating parameters. A test methodology and sample test results are presented to illustrate its use. The system is used to compare image quality and contrast detection for a range of stimulation and measurement patterns, and results show the best images when the pair of current injection electrodes is spaced between 45 and 170 degrees on a tank. Finally, we propose a classification of the object detection errors, which can facilitate comparison of EIT instrument specifications.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,631
Score d'incertitude au seuil0,930

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,091
Tête enseignante GPT0,263
Écart entre enseignants0,172 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhysiological MeasurementMême sujetElectrical and Bioimpedance TomographyTravaux en français237 207