MétaCan
Menu
← Retour à la cohorte
Enregistrement W31253635 · doi:10.1242/dev.178400

Σχεδίαση και ανάπτυξη υδατογραφικού σχήματος για σήματα ηλεκτροεγκεφαλογραφήματος

2010· dissertation· en· W31253635 sur OpenAlexfundno aff
Ειρήνη Γκιόξη

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineNeuroscience
ThématiqueEEG and Brain-Computer Interfaces
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Institutes of Health ResearchAlberta Children's Hospital Research InstituteUniversity of Calgary
Mots-clésDigital watermarkingWatermarkComputer scienceDistortion (music)SIGNAL (programming language)Noise (video)White noiseArtificial intelligenceComputer visionTelecommunicationsImage (mathematics)Bandwidth (computing)

Résumé

récupéré en direct d'OpenAlex

Σκοπός της παρούσας μεταπτυχιακής διπλωματικής εργασίας είναι η μελέτη και σχεδίαση ενός υδατογραφικού σχήματος για ηλεκτροεγκεφαλογραφικά (ΗΕΓ) σήματα επιληπτικών ασθενών. Το υδατογραφικό σχήμα που εφαρμόστηκε βασίζεται στο Μετασχηματισμό Κυματιδίων (wavelet transform) και είχε μέχρι πρότινος εφαρμοστεί μόνο σε ιατρικές εικόνες. Στόχος της ανάπτυξης του υδατογραφικού αυτού σχήματος, είναι η ενσωμάτωση πληροφοριών που έχουν μεγάλη αξία για διάγνωση και θεραπεία χωρίς όμως να αλλοιώνεται αισθητά το σήμα μετά την ενσωμάτωση των δεδομένων. Πριν την εφαρμογή όμως του υδατογραφικού μας σχήματος, απομονώνεται με έναν ειδικά σχεδιασμένο αλγόριθμο η περιοχή της επιληπτικής κρίσης γιατί είναι η περιοχή με τη μεγαλύτερη διαγνωστική αξία και στόχος είναι να παραμείνει εντελώς αναλλοίωτη. Η πρόοδος στον τομέα της τηλεϊατρικής έχει επιτρέψει τη μεταφορά ιατρικών σημάτων με στόχο τη διάγνωση και θεραπεία ασθενών που βρίσκονται σε απομακρυσμένες περιοχές. Κατά τη μεταφορά του υδατογραφημένου σήματος όμως μπορεί αυτό να υποστεί αλλοιώσεις που προέρχονται από συμπιέσεις του σήματος με σκοπό τη μείωση του μεγέθους τους, αλλά και αλλοιώσεις που προέρχονται από προσθήκη θορύβου. Για να εκτιμηθεί η αποτελεσματικότητα λοιπόν του υδατογραφικού μας σχήματος, εφαρμόζονται στο σήμα επιθέσεις συμπίεσης με διαφορετικά κατώφλια και επιθέσεις προσθήκης λευκού θορύβου με διαφορετικούς σηματοθορυβικούς λόγους SNR. Εφαρμόζοντας αυτές τις επιθέσεις, υπολογίζεται το ποσοστό ανάκτησης του υδατογραφήματος από το σήμα που έχει υποστεί επίθεση καθώς και το ποσοστό αλλοίωσης μεταξύ του αρχικού υδατογραφημένου σήματος και του υδατογραφημένου σήματος που έχει υποστεί επίθεση. Μεγαλύτερο ποσοστό ανάκτησης του υδατογραφήματος παρατηρείται όσο το κατώφλι συμπίεσης μικραίνει ενώ αντίθετα ο σηματοθορυβικός λόγος SNR μεγαλώνει.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,091

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0270,006

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 Opus0,023
Tête enseignante GPT0,301
Écart entre enseignants0,278 · 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'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

Citations0
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEEG and Brain-Computer Interfaces→Travaux en français237 207→