Comparison of 3D reconstructive technologies used for morphometric research and the translation of knowledge using a decision matrix
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
The use of three-dimensional (3D) models for education, pre-operative assessment, presurgical planning, and measurement have become more prevalent. With the increase in prevalence of 3D models there has also been an increase in 3D reconstructive software programs that are used to create these models. These software programs differ in reconstruction concepts, operating system requirements, user features, cost, and no one program has emerged as the standard. The purpose of this study was to conduct a systematic comparison of three widely available 3D reconstructive software programs, Amira(®), OsiriX, and Mimics(®) , with respect to the software's ability to be used in two broad themes: morphometric research and education to translate morphological knowledge. Cost, system requirements, and inherent features of each program were compared. A novel concept selection tool, a decision matrix, was used to objectify comparisons of usability of the interface, quality of the output, and efficiency of the tools. Findings indicate that Mimics was the best-suited program for construction of 3D anatomical models and morphometric analysis, but for creating a learning tool the results were less clear. OsiriX was very user-friendly; however, it had limited capabilities. Conversely, although Amira had endless potential and could create complex dynamic videos, it had a challenging interface. These results provide a resource for morphometric researchers and educators to assist the selection of appropriate reconstruction programs when starting a new 3D modeling project.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| 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