MétaCan
Menu
Retour à la cohorte
Enregistrement W2963543789 · doi:10.3390/heritage2030122

X-Ray Computed Tomography In Situ: An Opportunity for Museums and Restoration Laboratories

2019· article· en· W2963543789 sur OpenAlexfundno aff
Fauzia Albertin, Matteo Bettuzzi, Rosa Brancaccio, Maria Pia Morigi, F. Casali

Notice bibliographique

RevueHeritage · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced X-ray and CT Imaging
Établissements canadiensnon disponible
Organismes subventionnairesInstitute of Circulatory and Respiratory HealthMinistero dell’Istruzione, dell’Università e della Ricerca
Mots-clésConservationStatueComputed tomographyCultural heritageTomographyComputer scienceMedical physicsArtComputer graphics (images)Nuclear medicineVisual artsArchaeologyPhysicsRadiologyOpticsMedicineGeography

Résumé

récupéré en direct d'OpenAlex

X-ray Computed Tomography (X-ray CT) is a sophisticated non-destructive imaging technique to investigate structures and materials of complex objects, and its application can answer many conservation and restoration questions. However, for Cultural Heritage investigations, medical CT scanners are not optimized for many case-studies: These instruments are designed for the human body, are not flexible and are difficult to use in situ. To overcome these limitations and to safely investigate works of art on site—in a restoration laboratory or in a museum—the X-ray Tomography Laboratory of the University of Bologna designed several CT systems. Here we present two of these facilities and the results of important measurement campaigns performed in situ. The first instrument, light and flexible, is designed to investigate medium-size objects with a resolution of a few tens of microns and was used for the CT analysis of several Japanese theater masks belonging to the collection of the “L. Pigorini” Museum (Rome). The second is designed to analyze larger objects, up to 200 cm and was used to investigate the collection of the so-called “Statue Vestite” (devotional dressed statues) of the Diocesan Museum of Massa.

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)0,004
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,045

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,002
Communication savante0,0030,006
Science ouverte0,0030,006
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0130,002

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 Opus0,012
Tête enseignante GPT0,232
Écart entre enseignants0,219 · 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'étudeSans objet
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

Citations59
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHeritageMême sujetAdvanced X-ray and CT ImagingTravaux en français237 207