MétaCan
Menu
Retour à la cohorte
Enregistrement W1993811392 · doi:10.1002/ase.135

Explorable three‐dimensional digital model of the female pelvis, pelvic contents, and perineum for anatomical education

2010· article· en· W1993811392 sur OpenAlexafffund
Aimee Lynn Sergovich, Marjorie Johnson, Timothy D. Wilson

Notice bibliographique

RevueAnatomical Sciences Education · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueAnatomy and Medical Technology
Établissements canadiensWestern University
Organismes subventionnairesSchulich School of Medicine and DentistrySchulich School of Medicine and Dentistry, Western University
Mots-clésPerineumPelvisAnatomyStereoscopyComputer sciencePelvic floorSegmentationArtificial intelligenceComputer visionComputer graphics (images)Biology

Résumé

récupéré en direct d'OpenAlex

The anatomy of the pelvis is complex, multilayered, and its three-dimensional organization is conceptually difficult for students to grasp. The aim of this project was to create an explorable and projectable stereoscopic, three-dimensional (3D) model of the female pelvis and pelvic contents for anatomical education. The model was created using cryosection images obtained from the Visible Human Project, in conjunction with a general-purpose three-dimensional segmentation and surface-rendering program. Anatomical areas of interest were identified and labeled on consecutive images. Each 2D slice was reassembled, forming a three-dimensional model. The model includes the pelvic girdle, organs of the pelvic cavity, surrounding musculature, the perineum, neurovascular structures, and the peritoneum. Each structure can be controlled separately (e.g. added, subtracted, made transparent) to reveal organization and/or relationships between structures. The model can be manipulated and/or projected stereoscopically to visualize structures and relationships from different angles with excellent spatial perception. Because of its ease of use and versatility, we expect this model may provide a powerful teaching tool for learning in the classroom or in the laboratory.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,257
Écart entre enseignants0,241 · 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 source (Gemma direct ou Codex distillé), 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
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

Citations71
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAnatomical Sciences EducationMême sujetAnatomy and Medical TechnologyTravaux en français237 207