An Adaptive Linearized Method for Localizing Video Endoscopic Capsule Using Weighted Centroid Algorithm
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Video Capsule Endoscope (VCE) sends images of abnormalities in the gastrointestinal (GI) tract. While the physicians receive these images, they have little idea of their exact location which is needed for proper treatment. The proposed localization system consists of a 3D antenna array (with 8 receiver sensors) and one transmitter embedded inside the electronic capsule. We propose an adaptive linearized method of localization using Weighted Centroid Localization (WCL) where the position is calculated by averaging the weighted sum of the reference positions. In our proposed system, first we identify the path loss attenuation exponents using linear least square regression of the collected data (RSSI versus distance). Then the path loss model is linearized to minimize the path loss deviation which is mainly caused due to the nonhomogeneous environment of radio propagation. Then the instantaneous path loss (PL) measured by the sensors is attenuated to the above linearized model and considered as the weight of the sensors to find the location of the capsule using WCL. Finally a calibration process is applied using linear least square regression. To assess the performance, we model the path loss and implement the algorithm in Matlab for 2,530 possible positions with a resolution of 1 mm. The results show that the algorithm achieves high localization accuracy compared with other related methods when simulated using a 3D small intestine model.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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