Analytical and experimental solution for heat source located under skin: chest tumor detection via IR camera
Notice bibliographique
Résumé
Infrared (IR) imaging could be used as both noninvasive and nonionizing technology. Utilizing IR camera, it is possible to measure skin temperature with the aim of finding any superficial tumors. Since tumors are highly vascular and usually have a higher temperature than the rest of the body, using thermograms, it is possible to assess various tumor parameters, such as depth, intensity, and radius. In this study, we have developed an analytical method to detect tumor parameters in both spherical and cubical tissues to represent female breast and male chest tissue. This includes development of analytical solution for solving inverse bio-heat problem as well as laboratory set up for further validation of the analytical achievements. The models were developed by solving Penne’s Bioheat equation for each tissue under certain conditions and two main assumptions: 1. The tumor was assumed as separate heat source; 2. The developed model does not change with time (steady state condition). Finally, the analytical findings were validated by utilizing a laboratory test set-up containing an IR camera, 1% Agar solution (tissue phantom), and a heater of variable powers. The models were set to test by adjusting the heater (0.9W) in various depth and imaging the tissue phantom. Comparing the analytically obtained results with the experimental results, it can be concluded that the method is able to detect superficial tumors of small size only by measuring the body surface temperature and ambient temperature.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».