MétaCan
Menu
Retour à la cohorte
Enregistrement W2889155740 · doi:10.20944/preprints201808.0152.v1

Thermography Quantification of Human Perfusion Thermal Signature

2018· preprint· en· W2889155740 sur OpenAlexaff
Abbas K. AlZubaidi, Ahmed Faeq Hussein, Mena Basil, Qais Ahmed Habash

Notice bibliographique

RevuePreprints.org · 2018
Typepreprint
Langueen
DomaineMedicine
ThématiqueInfrared Thermography in Medicine
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésThermographyPerfusionBlood flowMaterials scienceSIGNAL (programming language)Biomedical engineeringInfraredHemodynamicsExcitationOpticsMedicinePhysicsCardiologyComputer science

Résumé

récupéré en direct d'OpenAlex

Blood perfusion quantification is important vital parameters in different diagnostic procedure, using infrared thermography imaging; it is reliable to use this technique as non-contact, non-invasive blood flow measurement method. Therefore, we developed a measurement protocol for blood flow over the arm's anterior surface. By using the superficial brachial and radial veins to be monitored under the impact of cold-excitation of (2 °C to 5 °C), the blood perfusion signal was detected using thermal imager of long-wave infrared spectral range (LWIR, 7μm - 14 μm). The simulation of Penne's bioheat transfer equation was performed to be compared with results obtained from the infrared thermography. Furthermore, the proposed blood flow monitoring using external adjusting of the excitation temperature, by using (cold-compress, or cold air-stream) applied to the region under testing. The signal detected resembles to the hemodynamic pulse of the superficial veins, in the definition of systolic and diastolic phases of the cardiac cycle. Moreover, statistical analysis applied to the BFIRT signals from 24 subjects to estimate the skin's mean temperature after recovery from the thermal excitation.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,289
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
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 Opus0,089
Tête enseignante GPT0,361
Écart entre enseignants0,272 · 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'étudeObservationnel
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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePreprints.orgMême sujetInfrared Thermography in MedicineTravaux en français237 207