MétaCan
Menu
Retour à la cohorte
Enregistrement W1594302055 · doi:10.5772/39192

On Temporomandibular Joint Sound Signal Analysis Using ICA

2012· book-chapter· en· W1594302055 sur OpenAlexaff
Feng Jin, Farook Sattar

Notice bibliographique

RevueInTech eBooks · 2012
Typebook-chapter
Langueen
DomaineComputer Science
ThématiqueBlind Source Separation Techniques
Établissements canadiensUniversity of WaterlooToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésJoint (building)Sound (geography)Independent component analysisTemporomandibular jointSIGNAL (programming language)AcousticsComputer scienceOrthodonticsArtificial intelligenceMedicinePhysicsEngineering

Résumé

récupéré en direct d'OpenAlex

The Temporomandibular Joint (TMJ) is the joint which connects the lower jaw, called the mandible, to the temporal bone at the side of the head. The joint is very important with regard to speech, mastication and swallowing. Any problem that prevents this system from functioning properly may result in temporomandibular joint disorder (TMD). Symptoms include pain, limited movement of the jaw, radiating pain in the face, neck or shoulders, painful clicking, popping or grating sounds in the jaw joint during opening and/or closing of the mouth. TMD being the most common non-dental related chronic source of oral-facial pain(Gray et al., 1995)(Pankhurst C. L, 1997), affects over 75% of the United States population(Berman et al., 2006). TMJ sounds during jaw motion are important indication of dysfunction and are closely correlated with the joint pathology(Widmalm et al., 1992). The TMJ sounds are routinely recorded by auscultation and noted in dental examination protocols. However, stethoscopic auscultation is very subjective and difficult to document. The interpretations of the sounds often vary among different doctors. Early detection of TMD, before irreversible gross erosive changes take place, is extremely important.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,009

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 Opus0,051
Tête enseignante GPT0,281
Écart entre enseignants0,230 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInTech eBooksMême sujetBlind Source Separation TechniquesTravaux en français237 207