MétaCan
Menu
Retour à la cohorte
Enregistrement W3041442211 · doi:10.1109/memea49120.2020.9137344

Thermal and RGB-D Imaging for Necrotizing Enterocolitis Detection

2020· article· en· W3041442211 sur OpenAlexaff
Yangyu Shi, Pierre Payeur, Monique Frize, Erika Bariciak

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineNursing
ThématiqueInfant Nutrition and Health
Établissements canadiensChildren's Hospital of Eastern OntarioCarleton UniversityUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésNecrotizing enterocolitisArtificial intelligenceRGB color modelComputer visionComputer scienceImage segmentationSegmentationImage sensorPattern recognition (psychology)Medicine

Résumé

récupéré en direct d'OpenAlex

Necrotizing enterocolitis (NEC) is a severe condition in neonates, typically involving inflammation in the small intestine. In this paper, a novel automated image acquisition and analysis system combining an infrared thermal camera with a RGB-D sensor is proposed for detection of NEC in preterm newborns. Calibration procedures are defined to ensure frame synchronization and observation consistency among the color, depth and infrared images. Segmentation and extraction of the body are automatically performed on the infrared image with the help of the additional color and depth information collected by the RGB-D sensor. Automated analysis of the temperature distribution over the entire abdominal region minimizes interference from manual intervention and facilitates operation in a clinical environment. An experimental comparison of temperature distribution in normal babies and those with NEC demonstrates encouraging initial results.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,515
Score d'incertitude au seuil0,212

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,022
Tête enseignante GPT0,281
Écart entre enseignants0,259 · 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.

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

Citations16
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetInfant Nutrition and HealthTravaux en français237 207