An Adaptive Linearized Method for Localizing Video Endoscopic Capsule Using Weighted Centroid Algorithm
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».