MétaCan
Menu
Retour à la cohorte
Enregistrement W2014661168 · doi:10.1016/s1350-4533(01)00052-2

Analysis of pressure distribution at the body–seat interface in able-bodied and paraplegic subjects using a deformable active contour algorithm

2001· article· en· W2014661168 sur OpenAlexafffund
Rachid Aïssaoui, Claude Kauffmann, J. Dansereau, Jacques A. de Guise

Notice bibliographique

RevueMedical Engineering & Physics · 2001
Typearticle
Langueen
DomaineHealth Professions
ThématiquePressure Ulcer Prevention and Management
Établissements canadiensPolytechnique MontréalÉcole de Technologie SupérieureUniversité de MontréalHôpital Notre-Dame
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésIschial tuberosityWork (physics)SittingSpinal cordDistribution (mathematics)Active contour modelSpinal cord injuryComputer scienceWeight-bearingAlgorithmMathematicsComputer visionAnatomyImage (mathematics)EngineeringImage segmentationMedicineSurgeryMathematical analysis

Résumé

récupéré en direct d'OpenAlex

In this paper, a semi-automatic method for segmenting pressure distribution image-based data at the body-seat interface is presented. The purpose of this work was to estimate the surface and the load supported by the ischial tuberosity (IT) region. The proposed method involves three steps: (1) detecting the IT region using a pressure-distribution image gradient; (2) estimating the contour of the IT region by an iterative active contour algorithm and finally (3) estimating the percentage of the surface and the weight-bearing of the IT region in a group of able-bodied (AB) and spinal-cord injury (SCI) subjects. It was found in this study that the weight bearing on the IT for the spinal-cord injured group is distributed on half the surface in comparison with the AB group or the powered wheelchair users groups. The findings of this study provide insights concerning pressure distribution in sitting for the paraplegic and able-bodied.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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)0,0010,000

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 Opus0,022
Tête enseignante GPT0,340
Écart entre enseignants0,318 · 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'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

Citations71
Publié2001
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMedical Engineering & PhysicsMême sujetPressure Ulcer Prevention and ManagementTravaux en français237 207