MétaCan
Menu
Retour à la cohorte
Enregistrement W1968401020 · doi:10.1115/sbc2011-53762

A Feature-Based Morphing Methodology for Biological Structures Applied to the Spatial Organization of Cardiomyocytes in the Left Atrium

2011· article· en· W1968401020 sur OpenAlexaff
Alessandro Satriano, Edward J. Vigmond, Elena S. Di Martino

Notice bibliographique

RevueASME 2011 Summer Bioengineering Conference, Parts A and B · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueElasticity and Material Modeling
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésMorphingClassification of discontinuitiesComputer scienceArtificial intelligenceBiological systemFeature (linguistics)Left atriumAlgorithmPattern recognition (psychology)Mathematics

Résumé

récupéré en direct d'OpenAlex

When complex biological structures are modeled, one of the most critical issues is the assignment of geometrical, mechanical and electrical properties to the meshed surfaces. Properties of interest are commonly obtained from diagnostic imaging, experimental tests or anatomical observation. These parameters are usually lumped into individual values assigned to a specific region after subdividing the structure in sub-regions. This practice simplifies the problem avoiding the cumbersome assignment of parameter values to each element. However, sub-regions may not adequately represent the smooth transition between regions thus resulting in artificial discontinuities. In addition, some parameters, such as for example the organization of cardiomyocytes, which is the objective of our research, may be obtained through destructive tests or through sophisticated methods that can only be performed on a limited number of samples. Or else, data structure obtained for one animal species could be applied on a different species. Furthermore, in a clinical environment the need for fast turnout of patient-specific models would benefit from the assignment of tissue properties in a semi-automatic manner.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,598
Score d'incertitude au seuil0,386

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 Opus0,088
Tête enseignante GPT0,245
Écart entre enseignants0,157 · 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'étudeExpérimental (laboratoire)
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
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueASME 2011 Summer Bioengineering Conference, Parts A and BMême sujetElasticity and Material ModelingTravaux en français237 207