MétaCan
Menu
Retour à la cohorte
Enregistrement W2016619446 · doi:10.1097/00002480-200111000-00023

Automatic Monitoring System for Artificial Hearts Using Self Organizing Map

2001· article· en· W2016619446 sur OpenAlexaff
Xian-Zheng Wang, Makoto Yoshizawa, Akira Tanaka, Ken-ichi Abe, Tomoyuki Yambe, Shin Ichi Nitta, Tsuneo Chinzei, Yusuke Abe, Kou Imachi

Notice bibliographique

RevueASAIO Journal · 2001
Typearticle
Langueen
DomaineEngineering
ThématiqueFault Detection and Control Systems
Établissements canadiensInstitute of Aging
Organismes subventionnairesnon disponible
Mots-clésSelf-organizing mapArtificial intelligenceComputer sciencePattern recognition (psychology)Learning vector quantizationVector quantizationSupport vector machineArtificial neural network

Résumé

récupéré en direct d'OpenAlex

This study presents an automatic monitoring system for artificial hearts. The self organizing map (SOM) was applied to monitoring and analysis of an aortic pressure (AoP) signal measured from an adult goat equipped with a total artificial heart. In the proposed system, two different SOMs were used to detect and classify abnormalities in the measured AoP signal. In the first stage, an ordinary SOM, taught with only normal AoP data, was used for detection of abnormalities on the basis of the quantization error in the real-time monitoring task. In the second stage, a supervised SOM was used for classification of abnormalities. The supervised SOM can be regarded as an ordinary SOM with an extra class vector for solving the classification problem. The class vector is assigned to every node in the second SOM as an output weight learned according to Kohonen's learning rule. The effectiveness of detection and classification of abnormalities using these two SOMs was confirmed.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,812
Score d'incertitude au seuil0,553

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 Opus0,021
Tête enseignante GPT0,243
Écart entre enseignants0,222 · 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'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

Citations2
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueASAIO JournalMême sujetFault Detection and Control SystemsTravaux en français237 207