MétaCan
Menu
Retour à la cohorte
Enregistrement W322919817 · doi:10.1096/fasebj.20.5.a847-c

Computerized modeling and animation system for use in Anatomy lectures

2006· article· en· W322919817 sur OpenAlexaff
Sarah Rae Takekawa, Michael Farrell, Beth K. Lozanoff, Scott Lozanoff, Eric Neufeld

Notice bibliographique

RevueThe FASEB Journal · 2006
Typearticle
Langueen
DomaineEngineering
ThématiqueAnatomy and Medical Technology
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésComputer scienceFile formatComputer graphics (images)SoftwareLaptopAnatomy3d modelScannerSurface anatomyEngineering drawingArtificial intelligenceDatabaseEngineeringBiology

Résumé

récupéré en direct d'OpenAlex

Traditional lectures in Anatomy rely on two‐dimensional illustrations or photographs derived from standard textbooks. However, with increased sophistication of laptop computing, three‐dimensional model reconstruction systems have increased the ease with which models and animations can be used for introducing complex concepts within a didactic lecture. The purpose of this study was to develop a technique to facilitate computerized anatomical models for use in anatomy lectures. Cadaveric material was obtained and scanned using a Polhemus hand‐held scanner and exported as an.obj file. The file was imported into Maya (Alias Software) and vertices were edited accordingly. The models were then exported as a.dxf file and imported into WinSURF (SURFdriver Software) and rendered with realistic texture and surface maps (SURFdriver Maps software). Once loaded, the reconstructions can be manipulated using rotation and enlargement tools, or colors can be changed to highlight specific areas. Examples are provided for the skull and cervical plexus, ocular testing, and vertebral morphology. Results of this study show that anatomical models can be generated easily and effectively and can be tailored for a specific lecture.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,358
Score d'incertitude au seuil0,136

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 Opus0,012
Tête enseignante GPT0,220
Écart entre enseignants0,208 · 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'étudeSimulation ou modélisation
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
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe FASEB JournalMême sujetAnatomy and Medical TechnologyTravaux en français237 207