An Analysis Algorithm for Measuring Airway Lumen and Wall Areas from High-Resolution Computed Tomographic Data
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
High-resolution computed tomography (HRCT) has been used to examine airway narrowing. We developed an automated computed tomographic image analysis algorithm (computed tomographic airway morphometry; CTAM) to measure airway lumen area (Ai ), airway wall area (Awa), and airway angle of orientation. Tubes of varying size were embedded in Styrofoam and then scanned at angles between 0 degrees and 50 degrees to assess the accuracy of measurements made with CTAM. Two excised pig lungs were fixed in inflation, sectioned, and scanned. Ai and Awa were measured planimetrically from the cut surfaces to optimize CTAM measurement parameters. In CTAM, Ai was defined according to an airway-size-dependent threshold value, and total Awa was determined through a score-guided erosion method. Results were compared with measurements made through a previously validated method (manual method). CTAM provided accurate measurements of the tubes' Ai values at all angles; Awa was overestimated in direct relation to airway size. The manual method underestimated Ai and overestimated Awa in a manner directly related to airway size as well as to airway angle of orientation. In the excised lung, the mean errors of Ai and Awa measurements made with CTAM were 0.52 +/- 0.24 mm(2) and 0.17 +/- 0.32 mm(2) (mean +/- SEM), respectively. Ai errors with the manual method were similar, but Awa was overestimated to a greater degree (6.3 +/- 0.38 mm(2); p < 0.01) and the error was proportional to Awa (r = 0.64; p < 0.01). CTAM allows accurate measurements of airway dimensions and angle of orientation.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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