MétaCan
Menu
Retour à la cohorte
Enregistrement W2768652741 · doi:10.1109/ultsym.2017.8092955

Non-invasive spinal vibration testing using ultrafast ultrasound imaging: A new way to measure spine function

2017· article· en· W2768652741 sur OpenAlexaff
Tarek Kaddoura, Anthony G. Au, Richard R. E. Uwiera, Richard Fox, Greg Kawchuk, Roger J. Zemp

Notice bibliographique

Revue2017 IEEE International Ultrasonics Symposium (IUS) · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueUltrasound Imaging and Elastography
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésUltrashort pulseAccelerometerCadaveric spasmFrame rateVibrationUltrasoundComputer scienceBiomedical engineeringAcousticsMedicinePhysicsComputer visionOpticsAnatomy

Résumé

récupéré en direct d'OpenAlex

The extremely high frame-rate of ultrafast ultrasound imaging has enabled the possibility to image extremely fast events on the order of thousands of frames/sec. With the success of ultrafast imaging across a wide variety of disciplines, we now explore the ability of ultrafast imaging to capture spinal vibrations for non-invasive spinal testing in living subjects. Previously, we have shown that accelerometer-based vibration testing in cadaveric models can reveal the presence, location and magnitude of spinal pathology. However, this process remains an invasive procedure as current non-invasive sensors are inadequate. In this experiment, we investigate the ability of non-invasive ultrafast ultrasound to quantify in-vivo vertebral vibration response across a broad range of frequencies (10-100 Hz) in an anesthetized pig model.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,745
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,039
Tête enseignante GPT0,301
Écart entre enseignants0,262 · 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.

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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2017 IEEE International Ultrasonics Symposium (IUS)Même sujetUltrasound Imaging and ElastographyTravaux en français237 207