Forensic reconstruction of two military combat related shooting incidents using an anatomically correct synthetic skull with a surrogate skin/soft tissue layer
Notice bibliographique
Résumé
Six synthetic head models wearing ballistic protective helmets were used to recreate two military combat-related shooting incidents (three per incident, designated 'Incident 1' and 'Incident 2'). Data on the events including engagement distances, weapon and ammunition types was collated by the Defence Science and Technology Laboratory. The models were shot with 7.62 × 39 mm ammunition downloaded to mean impact velocities of 581 m/s (SD 3.5 m/s) and 418 m/s (SD 8 m/s), respectively, to simulate the engagement distances. The damage to the models was assessed using CT imaging and dissection by a forensic pathologist experienced in reviewing military gunshot wounds. The helmets were examined by an MoD engineer experienced in ballistic incident analysis. Damage to the helmets was consistent with that seen in real incidents. Fracture patterns and CT imaging on two of the models for Incident 1 (a frontal impact) were congruent with the actual incident being modelled. The results for Incident 2 (a temporoparietal impact) produced realistic simulations of tangential gunshot injury but were less representative of the scenario being modelled. Other aspects of the wounds produced also exhibited differences. Further work is ongoing to develop the models for greater ballistic injury fidelity.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».