MétaCan
Menu
Retour à la cohorte
Enregistrement W2944179283 · doi:10.5210/jbc.v42i2.9549

The Case of Ken Lowery: Visual Knowledge Building and Translation of Volumetric Radiographic Imagery for Dynamic 3D Medical Legal Visualization

2018· article· en· W2944179283 sur OpenAlex
Amanda P. Miller, Leila Lax, Nick Woolridge, Anne Agur

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJournal of Biocommunication · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueDigital Imaging in Medicine
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésVisualizationRadiographyComputer scienceMedical imagingPresentation (obstetrics)WitnessMedical physicsMedicineRadiologyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Advancements in medical imaging technology allow for the use of 3D volumetric radiographs in personal injury trials. Volumetric radiographs provide more comprehensive information than 2D imaging (i.e. CT scans/MRIs) but are more complicated for a judge and jury (non-medical audiences) to understand. The purpose of this medical legal visualization research project was to create and evaluate a plaintiff expert witness presentation that incorporates volumetric radiographs, combined with 3D anatomical models and animated sequences to improve understanding of complex medical information (e.g. to clarify the full extent of the traumatic brain injuries) and to obtain feedback on design strategies.

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.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,945
Score d'incertitude au seuil0,287

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,017
Tête enseignante GPT0,380
Écart entre enseignants0,363 · 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