Minimum information for dielectric measurements of biological tissues (MINDER): A framework for repeatable and reusable data
Notice bibliographique
Résumé
The dielectric properties of biological tissues characterise the interaction of human tissues with electromagnetic (EM) fields. Accurate knowledge of the dielectric properties of tissues are vital in EM-based therapeutic and diagnostic techniques, and for assessing the safety of wireless devices. Despite the importance of these properties, the field has suffered from inconsistencies in reported data. The dielectric measurement process for tissues is known to be affected by both measurement confounders and clinical confounders; however, adequate metadata is often lacking in the literature. For this reason, this work proposes a standard, called Minimum Information for Dielectric Measurements of Biological Tissues (MINDER). In the MINDER model, the minimum types of raw data and metadata needed to interpret or replicate a dielectric study are identified and described. Alongside the minimum information model, a controlled vocabulary for metadata parameters is proposed. We also provide an example of this model applied to a dielectric measurement scenario on a biological tissue sample. The MINDER model enables reproducibility of measurements, ease of interpreting and re-using data, and comparison of data across studies. Further, this standard framework will support dielectric databases, with data searchable through metadata parameters such as temperature, frequency range, tissue type, and tissue state.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,048 | 0,098 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,005 |
| Bibliométrie | 0,012 | 0,008 |
| Études des sciences et des technologies | 0,003 | 0,006 |
| Communication savante | 0,014 | 0,022 |
| Science ouverte | 0,007 | 0,012 |
| Intégrité de la recherche | 0,005 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,003 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».