MétaCan
Menu
Retour à la cohorte
Enregistrement W2169409592 · doi:10.1109/aps.1994.408028

Electrical impedance computed tomography in three-dimensional imaging

2002· article· en· W2169409592 sur OpenAlexaff
Mu Zhen, Anthony S. Wexler

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueElectrical and Bioimpedance Tomography
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésElectrical impedance tomographyDiscretizationComputer scienceFinite element methodElectrical impedanceIterative reconstructionElectrical resistivity tomographyPermittivityImage qualityPoisson's equationLaplace transformLaplace's equationMedical imagingTomographyAlgorithmImage (mathematics)Boundary value problemElectronic engineeringArtificial intelligenceEngineeringMathematicsElectrical resistivity and conductivityElectrical engineeringMathematical analysisOpticsPhysicsDielectric

Résumé

récupéré en direct d'OpenAlex

Electrical impedance computed tomography (EICT) is the technique which reconstructs the image within a body based on the variation of electrical conductivity and permittivity by using electrical measurements on its boundary. It has the advantages of reduced biological hazard and less expensive hardware, therefore, it can be used as an alternative means for continuous monitoring in medical or environmental applications. Efforts have been made to develop algorithms and to improve the image quality in 2D imaging. Many algorithms employ the Poisson (Laplace) equation to describe the potential distributions with the finite element method. The present paper discusses the models for EICT in 3D applications and the excitation/measurement pattern effects on image quality, and presents simulation results. A network approach to study the features of EICT algorithms is introduced in the paper, so that the discretization problems will not affect the evaluations of an EICT algorithm.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,949
Score d'incertitude au seuil0,672

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
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 Opus0,007
Tête enseignante GPT0,185
Écart entre enseignants0,178 · 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'étudeSimulation ou modélisation
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

Citations1
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetElectrical and Bioimpedance TomographyTravaux en français237 207