MétaCan
Menu
Retour à la cohorte
Enregistrement W2780001933

Use of Temperature as a Contrast Agent in Electrical Impedance Tomography

2013· article· en· W2780001933 sur OpenAlexaff
Yasin Mamatjan, Pascal Gaggero, Stephan H. Böhm, Andy Adler

Notice bibliographique

RevueCMBES Proceedings · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueElectrical and Bioimpedance Tomography
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésElectrical impedance tomographyHypertonic salineBolus (digestion)SalineConductivityBiomedical engineeringMaterials scienceNuclear medicineTomographyPerfusionIsotonicNuclear magnetic resonanceMedicineChemistryRadiologyAnesthesiaSurgeryPhysicsInternal medicine
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Electrical Impedance Tomography (EIT) images conductivity changes within a body from electrical measurements at the body surface. There is significant interest in using EIT to measure cardiovascular parameters, such as blood perfusion. Currently, a hypertonic bolus of saline is injected into a central vein, producing an increase in conductivity which is visualized. Unfortunately, hypertonic saline has undesirable effects in large doses, and cannot be used for continuous monitoring. We propose the use of temperature contrasting isotonic saline as a new contrast agent for EIT, suitable for repeated measurements. The experiments were carried out on a cylindrical tank filled with a saline solution having a conductivity of 1 S/m and the temperature of 22.6 ◦ C. A 280 ml saline bolus with the conductivity of 1 S/m and temperature difference ∆ t was injected at the tank center. We selected 5 different temperatures for the bolus. Subsequent EIT image analysis demon- strated that the temperature contrast can be successfully reconstructed. A quantitative analy- sis revealed that reconstructed impedance values were correlating linearly with temperature. Our initial results show the suitability of EIT for real- time noninvasive temperature contrast imaging.

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)0,002
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 enseignants0,001
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
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 recherche0,0010,001
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 Opus0,007
Tête enseignante GPT0,194
Écart entre enseignants0,187 · 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

Citations1
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCMBES ProceedingsMême sujetElectrical and Bioimpedance TomographyTravaux en français237 207