MétaCan
Menu
Retour à la cohorte
Enregistrement W2027721693 · doi:10.2174/1568006043336311

3D Ultrasound Imaging of the Carotid Arteries

2004· review· en· W2027721693 sur OpenAlexaff
Aaron Fenster, Anthony Landry, Dónal B. Downey, Robert A. Hegele, J. David Spence

Notice bibliographique

RevueCurrent Drug Targets - Cardiovascular & Hematological Disorders · 2004
Typereview
Langueen
DomaineMedicine
ThématiqueCerebrovascular and Carotid Artery Diseases
Établissements canadiensRobarts Clinical Trials
Organismes subventionnairesnon disponible
Mots-clésUltrasound3D ultrasoundModality (human–computer interaction)Carotid arteriesMedicineUltrasonographyRadiologyModalitiesVolume (thermodynamics)Power dopplerComputer scienceBiomedical engineeringArtificial intelligenceSurgery

Résumé

récupéré en direct d'OpenAlex

Although ultrasonography is an important cost-effective imaging modality, technical improvements are needed before its full potential is realized for accurate and reproducible monitoring of carotid disease and plaque burden. 2D viewing of 3D anatomy, using conventional ultrasonography limits our ability to quantify and visualize carotid disease and is partly responsible for the reported variability in diagnosis and monitoring of disease progression. Efforts of investigators have focused on overcoming these deficiencies by developing 3D ultrasound imaging techniques that are capable of acquiring B-mode, color Doppler and power Doppler images of the carotid arteries using existing conventional ultrasound systems, reconstructing the information into 3D images, and then allowing interactive viewing of the 3D images on inexpensive desktop computers. In addition, the availability of 3D ultrasound images of the carotid arteries has allowed the development of techniques to quantify plaque volume and surface morphology as well as allowing registration with other 3D imaging modalities. This paper describes 3D ultrasound imaging techniques used to image the carotid arteries and summarizes some of the developments aimed at quantifying plaque volume and morphology.

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,003

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 Opus0,018
Tête enseignante GPT0,280
Écart entre enseignants0,261 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations49
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Drug Targets - Cardiovascular & Hematological DisordersMême sujetCerebrovascular and Carotid Artery DiseasesTravaux en français237 207