MétaCan
Menu
Retour à la cohorte
Enregistrement W2134711590 · doi:10.1093/annhyg/mev026

Variations in Head-and-Face Shape of Chinese Civilian Workers

2015· article· en· W2134711590 sur OpenAlexaff
Yuewei Liu, Pengcheng Xi, Michael Joseph, Ziqing Zhuang, Chang Shu, Lu-Man Jiang, Michael Bergman, Weihong Chen

Notice bibliographique

RevueThe Annals of Occupational Hygiene · 2015
Typearticle
Langueen
DomaineMathematics
ThématiqueMorphological variations and asymmetry
Établissements canadiensNational Research Council Canada
Organismes subventionnairesNational Institutes of Health
Mots-clésAnthropometryHead (geology)Principal component analysisPoint cloudFace (sociological concept)Artificial intelligenceComputer scienceChinese populationComputer visionPopulationSet (abstract data type)Geometric shapePattern recognition (psychology)MathematicsMedicineGeometryEnvironmental healthGeology

Résumé

récupéré en direct d'OpenAlex

This study aims to elucidate variations in head-and-face shape among the Chinese civilian workers. Most respirator manufacturers are using outdated, Western anthropometric data to design respirators for the Chinese workers. Therefore, newly acquired anthropometric data specific to the Chinese population are needed to create more effective personal protective equipment. The three-dimensional (3D) head scans of 350 participants, who were selected from the 3000 participants in the 2006 Chinese Anthropometric Survey, were processed using geometric processing techniques. Each scan was then linked with the others, making statistical shape analysis on a dense set of 3D points possible. Furthermore, this provided for the reduction of scan noise as well as for the patching of holes. Following general scan correspondence and fine tuning, principal component analysis was used to analyze the variability in head-and-face shape of the 3D images. More than 90% of the variability among head-and-face shapes was accounted for with 26 principal components. Future study is recommended so the overall usefulness of the point cloud-based approach for the quantification of variations in facial morphology may be determined.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,241
Score d'incertitude au seuil0,236

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
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 Opus0,202
Tête enseignante GPT0,412
Écart entre enseignants0,211 · 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'étudeObservationnel
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

Citations12
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Annals of Occupational HygieneMême sujetMorphological variations and asymmetryTravaux en français237 207