MétaCan
Menu
← Retour à la cohorte
Enregistrement W2202461351 · doi:10.1080/16864360.2014.881192

Minimization of Bone Removal through Optimal Humeral Implant Alignment in Total Elbow Arthroplasty

2014· article· en· W2202461351 sur OpenAlexaff
Alexander J. Heroux, O. Remus Tutunea‐Fatan, Shaun P. Salisbury, Ahmad Barari

Notice bibliographique

RevueComputer-Aided Design and Applications · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueShoulder Injury and Treatment
Établissements canadiensOntario Tech UniversityWestern University
Organismes subventionnairesnon disponible
Mots-clésSpline (mechanical)Haptic technologyB-splineComputer scienceComputer Aided DesignMinificationMathematicsAlgorithmMathematical optimizationSimulationEngineeringMechanical engineeringMathematical analysis

Résumé

récupéré en direct d'OpenAlex

Due to their 3D nature, many CAD B-Spline surfaces are difficult to design and edit with traditional 2D interfaces, e.g., a 2D mouse.Based on an energy minimization method or variational B-Spline technique, the paper presents the technique of using a haptic device to design B-Spline surfaces.Under complex constraints and without any pre-calculation, the variational B-Spline technique used in the system can solve virtually all practical B-Spline surfaces in a matter of milliseconds.Such results are much more efficient and powerful than previous work in the variational B-Spline field.By using a haptic interface, the system allows a user in a natural 3D environment to directly manipulate/design constraints, e.g., points and curves, and in real time, the system generates energy-minimization B-Spline surfaces in response to haptic operations.The discussed technique delivers all the performance and capacity required for using haptics to design high-quality B-Spline surfaces, and haptic-based surface operations provide a powerful method for designing B-Spline surfaces.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,024
Tête enseignante GPT0,283
Écart entre enseignants0,259 · 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 source (Gemma direct ou Codex distillé), 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
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueComputer-Aided Design and Applications→Même sujetShoulder Injury and Treatment→Travaux en français237 207→