MétaCan
Menu
Retour à la cohorte
Enregistrement W2119559151 · doi:10.1109/tbme.2006.873696

Design, construction, and evaluation of a bioacoustic transducer testing (BATT) system for respiratory sounds

2006· article· en· W2119559151 sur OpenAlexaff
Steve S. Kraman, Gary A. Pressler, Hans Pasterkamp, George R. Wodicka

Notice bibliographique

RevueIEEE Transactions on Biomedical Engineering · 2006
Typearticle
Langueen
DomaineMedicine
ThématiquePhonocardiography and Auscultation Techniques
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésBioacousticsTransducerAcousticsEngineeringComputer sciencePhysics

Résumé

récupéré en direct d'OpenAlex

Many different transducers are employed for recording respiratory sounds including accelerometers and microphones in couplers. However, there is no standard lung sound transducer or any device to compare transducers so that measurements from different laboratories can be determined to be of physiologic origin rather than technical artifacts of the transducers. To address this problem, we designed and constructed a prototype of a device that can be used to compare accelerometers, microphones enclosed in couplers, and stethoscopes. The prototype device consists of a rigid chamber containing a loudspeaker that opens to an antechamber covered by a viscoelastic material with mechanical properties similar to human skin and subcutaneous tissue. When driven by a white noise source, we found the sound output at the surface to be useful to comparatively evaluate sensors between 100 and 1200 Hz where lung sounds have most of their spectral energy. We compared the viscoelastic layer to similar thicknesses of fresh meat and fat and found them to produce similar acoustic spectra. This device allows air-coupled transducers, accelerometers, and stethoscopes used in respiratory sounds measurements to be compared under physical conditions similar to their intended use.

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)0,003
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,003
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,037
Tête enseignante GPT0,271
Écart entre enseignants0,235 · 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

Citations26
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Biomedical EngineeringMême sujetPhonocardiography and Auscultation TechniquesTravaux en français237 207