MétaCan
Menu
Retour à la cohorte
Enregistrement W1989205662 · doi:10.1111/1556-4029.12639

Calculating Point of Origin of Blood Spatter Using Laser Scanning Technology

2015· article· en· W1989205662 sur OpenAlexaff
Eugene Liscio

Notice bibliographique

RevueJournal of Forensic Sciences · 2015
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueForensic Entomology and Diptera Studies
Établissements canadiensUniversity of TorontoMinistry of Health and Long Term Care
Organismes subventionnairesnon disponible
Mots-clésReproducibilityLaser scanningSoftwareScannerLaserPoint (geometry)Focus (optics)Artificial intelligenceComputer visionComputer scienceComputer graphics (images)Materials scienceOpticsMathematicsPhysicsGeometryStatistics

Résumé

récupéré en direct d'OpenAlex

The point of origin of an impact pattern is important in establishing the chain of events in a bloodletting incident. In this study, the accuracy and reproducibility of the point of origin estimation using the FARO Scene software with the FARO Focus(3D) laser scanner was determined. Five impact patterns were created for each of three combinations of distances from the floor (z) and the front wall (x). Fifteen spatters were created using a custom impact rig, scanned using the laser scanner, photographed using a DSLR camera, and processed using the Scene software. Overall results gave a SD = 3.49 cm (p < 0.0001) in the x-direction, SD = 1.14 cm (p = 0.9291) in the y-direction, and SD = 9.08 cm (p < 0.0115) in the z-direction. The technique performs within literature ranges of accepted accuracy and reproducibility and is comparable to results reported for other virtual stringing software.

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)0,001
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,739
Score d'incertitude au seuil0,343

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
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 Opus0,068
Tête enseignante GPT0,294
Écart entre enseignants0,226 · 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'étudeObservationnel
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

Citations29
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Forensic SciencesMême sujetForensic Entomology and Diptera StudiesTravaux en français237 207