MétaCan
Menu
Retour à la cohorte
Enregistrement W2031992884 · doi:10.1088/0967-3334/33/5/831

Electrical impedance tomography system based on active electrodes

2012· article· en· W2031992884 sur OpenAlexaff
Pascal Gaggero, Andy Adler, Josef Brunner, Peter Seitz

Notice bibliographique

RevuePhysiological Measurement · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueElectrical and Bioimpedance Tomography
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésElectrical impedance tomographyElectronic engineeringAmplifierElectrical impedanceElectrodeInstrumentation (computer programming)Electrical engineeringConvertersField-programmable gate arrayEngineeringVoltageComputer scienceComputer hardwareCMOSPhysics

Résumé

récupéré en direct d'OpenAlex

Electrical impedance tomography (EIT) can image the distribution of ventilated lung tissue, and is thus a promising technology to help monitor patient breathing to help selection of mechanical ventilation parameters. Two key difficulties in EIT instrumentation make such monitoring difficult: (1) EIT data quality depends on good electrode contact and is sensitive to changes in contact quality, and (2) EIT electrodes are difficult and time consuming to place on patients. This paper presents the design and initial tests of an active electrode-based system to address these difficulties. Our active electrode EIT system incorporates an active electrode belt, a central voltage-driven current source, central analog to digital converters and digital to analog converters, a central FPGA-based demodulator and controller. The electrode belt is designed incorporating 32 active electrodes, each of which contains the electronic amplifiers, switches and associated logic. Tests show stable device performance with a convenient ease of use and good imaging ability in volunteer tests.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 Opus0,029
Tête enseignante GPT0,213
Écart entre enseignants0,183 · 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'étudeExpérimental (laboratoire)
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

Citations80
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhysiological MeasurementMême sujetElectrical and Bioimpedance TomographyTravaux en français237 207