MétaCan
Menu
Retour à la cohorte
Enregistrement W3160771472 · doi:10.14393/ufu.di.2021.6006

Reconstrução de um modelo 3D a partir de imagens térmicas 2D de uma mama via câmera infravermelha

2021· dissertation· pt· W3160771472 sur OpenAlexaff
Guilherme Costa

Notice bibliographique

Revuenon disponible
Typedissertation
Languept
DomaineMedicine
ThématiqueInfrared Thermography in Medicine
Établissements canadiensBibliographical Society of Canada
Organismes subventionnairesnon disponible
Mots-clésHumanitiesGeologyPhysicsArt

Résumé

récupéré en direct d'OpenAlex

With the development of image processing algorithms and the arrival of thermal cameras, a new concept of temperature analysis emerged. Besides industrial processes, thermal images also started to play an important role in the evaluation of the temperature of human beings, being used for the diagnosis of diseases and other anomalies in which the body undergoes a change in its considered normal temperature. Having a metabolism different from the cells of the human body, the tumor cells cause the temperature of the region where they are to be, also, different from that found in non-tumor cells. This work aims to develop three-dimensional models with temperature information from two-dimensional thermal. With the three-dimensional thermal maps, we can have a closer view of the real geometries found in the images and, with this, new information for the application of the bio-heat transfer equations in numeric simulations also involving geometric parameters of the breast. Using the stereoscopic view, which is based on epipolar geometry, it was possible to develop a method of generating representative dense points clouds from thermal images, as well as verifying the developed method particularities and limitations. The developed three-dimensional maps showed well-defined and visible characteristics, although the input images had low spatial resolution, which limited the application of the method.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Intégrité de la recherche
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 enseignants0,411
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0160,001

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 Opus0,014
Tête enseignante GPT0,288
Écart entre enseignants0,275 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetInfrared Thermography in MedicineTravaux en français237 207