MétaCan
Menu
Retour à la cohorte
Enregistrement W2150645204 · doi:10.1109/tbme.2009.2032160

Chemometric Approach for Improving VCSEL-Based Glucose Predictions

2009· article· en· W2150645204 sur OpenAlexaff
Sahba Talebi Fard, Lukas Chrostowski, Ezra Kwok, Markus‐Christian Amann

Notice bibliographique

RevueIEEE Transactions on Biomedical Engineering · 2009
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueSpectroscopy Techniques in Biomedical and Chemical Research
Établissements canadiensUniversity of British ColumbiaUniversity of British Columbia Hospital
Organismes subventionnairesnon disponible
Mots-clésLaserMaterials sciencePreprocessorVertical-cavity surface-emitting laserAbsorption (acoustics)Partial least squares regressionSpectral lineOptoelectronicsOpticsComputer scienceBiomedical engineeringArtificial intelligencePhysicsMedicineMachine learning

Résumé

récupéré en direct d'OpenAlex

Optical methods are one of the painless and promising techniques that can be used for blood glucose predictions for diabetes patients. The use of thermally tunable vertical cavity surface-emitting lasers (VCSELs) as the light source to obtain blood absorption spectra, along with the multivariate technique partial least squares for analysis and glucose estimation, has been demonstrated. With further improvements by using data preprocessing and two VCSELs, we have achieved a clinically acceptable level in the physiological range in buffered solutions. The results of previous experiments conducted using white light showed that increasing the number of wavelength intervals used in the analysis improves the accuracy of prediction. The average prediction error, using absorption spectra from one VCSEL in aqueous solution, is about 1.2 mM. This error is reduced to 0.8 mM using absorption spectra from two VCSELs. This result confirms that increasing the number of VCSELs improves the accuracy of prediction.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,930
Score d'incertitude au seuil0,775

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,009
Tête enseignante GPT0,264
Écart entre enseignants0,255 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Biomedical EngineeringMême sujetSpectroscopy Techniques in Biomedical and Chemical ResearchTravaux en français237 207