MétaCan
Menu
Retour à la cohorte
Enregistrement W2591860053 · doi:10.1117/12.2255831

Hologram stability evaluation for Microsoft HoloLens

2017· article· en· W2591860053 sur OpenAlexafffund
Reid Vassallo, Adam Rankin, Elvis C. S. Chen, Terry M. Peters

Notice bibliographique

RevueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIE · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Optical Imaging Technologies
Établissements canadiensRobarts Clinical Trials
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health Research
Mots-clésComputer scienceHolographyComputer graphics (images)Stability (learning theory)OpticsPhysicsMachine learning

Résumé

récupéré en direct d'OpenAlex

Augmented reality (AR) has an increasing presence in the world of image-guided interventions which is amplified by the availability of consumer-grade head-mounted display (HMD) technology. The Microsoft® HoloLensTM optical passthrough device is at the forefront of consumer technology, as it is the first un-tethered head mounted computer (HMC). It shows promise of effectiveness in guiding clinical interventions, however its accuracy and stability must still be evaluated for the clinical environment. We have developed an evaluative protocol for the HoloLensTM using an optical measurement device to digitize the perceived pose of the rendered hologram. This evaluates the ability of the HoloLensTM to maintain the hologram in its intended pose. The stability is measured when actions are performed that may cause a shift in the holograms’ pose due to errors in its simultaneous localization and mapping. An emphasis is placed on actions that are more likely to be performed in a clinical setting. This will be used to determine the most applicable use cases for this technology in the future and how to minimize errors when in use. Our results show promise of this device’s potential for intraoperative clinical use. Further analysis must be performed to evaluate other potential sources of hologram disruption.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut 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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,026
Tête enseignante GPT0,278
Écart entre enseignants0,252 · 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'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

Citations81
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIEMême sujetAdvanced Optical Imaging TechnologiesTravaux en français237 207