MétaCan
Menu
Retour à la cohorte
Enregistrement W2159604677 · doi:10.1109/tmi.2003.819919

An Analytic Method to Predict the Thermal Map of Cryosurgery Iceballs in MR Images

2004· article· en· W2159604677 sur OpenAlexaff
Romain Fournial, A. Traoré, Denis Laurendeau, C. Moisan

Notice bibliographique

RevueIEEE Transactions on Medical Imaging · 2004
Typearticle
Langueen
DomaineMedicine
ThématiqueInfrared Thermography in Medicine
Établissements canadiensUniversité LavalIMRIS (Canada)Centre hospitalier universitaire de Québec
Organismes subventionnairesnon disponible
Mots-clésVolume (thermodynamics)CryosurgeryMagnetic resonance imagingMaterials scienceSIGNAL (programming language)Nuclear magnetic resonanceThermalSensitivity (control systems)Range (aeronautics)Temperature measurementPhase (matter)OpticsPhysicsComputer scienceRadiologyThermodynamics

Résumé

récupéré en direct d'OpenAlex

This paper presents a newly developed method to estimate, in magnetic resonance (MR) images, the temperatures reached within the volume of an iceball produced by a cryogenic probe. Building on the direct measurements of the MR signal intensity and its correlation with independent temperature variations at the phase transition from liquid to solid, the thermal information embedded in the images was accessed. The volume and diameter of the growing iceball were estimated from a time series of MR images. Using regressions over the volume in the time and thermal domains, this method predicted the cryogenic temperatures beyond the range of sensitivity of the MR signal itself. We present a validation of this method in samples of gelatin and ex vivo pig liver. Temperature predictions are shown to agree with independent thermosensor readings over a range extending from 20 degrees C down to -65 degrees C, with an average error of less than 6 degrees C.

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)0,002
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,818
Score d'incertitude au seuil0,960

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,011
Tête enseignante GPT0,314
Écart entre enseignants0,304 · 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
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

Citations6
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Medical ImagingMême sujetInfrared Thermography in MedicineTravaux en français237 207