MétaCan
Menu
Retour à la cohorte
Enregistrement W1934266923 · doi:10.1109/iembs.2000.900846

A semi-empirical treatment planning model for optimization of multiprobe cryosurgery

2002· article· en· W1934266923 sur OpenAlexaff
Roustem Baissalov, George A. Sandison, Bryan Donnelly, John C. Saliken, Ken Muldrew, John C. Rewcastle

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueThermoelastic and Magnetoelastic Phenomena
Établissements canadiensFoothills Medical CentreUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésCryosurgeryComputer scienceFinite element methodTransient (computer programming)Set (abstract data type)Protocol (science)HistogramArtificial intelligenceThermodynamicsPhysicsImage (mathematics)

Résumé

récupéré en direct d'OpenAlex

A model is presented for treatment planning of multiprobe cryosurgery. In this model a thermal simulation algorithm is used to generate temperature distribution from cryoprobes, visualize isotherms in the anatomical region of interest, and provide tools to assist estimation of the amount of freezing damage to the target and surrounding normal structures. Calculations may be performed for any given freezing time for the selected set of operation parameters. The thermal simulation is based on solving the transient heat conduction equation using finite element methods for a multiprobe geometry. As an example, a semi-empirical optimization of 2D placement of 6 cryoprobes and their thermal protocol for the first freeze cycle is presented. The effectiveness of the optimized treatment protocol was estimated by generating temperature-volume histograms and calculating the objective function for the anatomy of interest.

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)0,000
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: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,936
Score d'incertitude au seuil0,376

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,052
Tête enseignante GPT0,246
Écart entre enseignants0,195 · 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
GenreMéthodes

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

En bref

Citations1
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetThermoelastic and Magnetoelastic PhenomenaTravaux en français237 207