A Unified Representation of Control Logic in Human-Ultrasound Machine Interaction
Notice bibliographique
Résumé
Advances in human-computer interaction (HCI) technologies have granted sonographers and radiologists a much improved user experience when operating different ultrasound (US) machines. Continued HCI improvements in US would benefit from a systematic study of the HCI control logic used in this domain. Such a study has not been presented previously and is the subject of this paper. We surveyed sonographers to determine the most frequently used controls in US machines. We standardized the representation of the US machine HCI control logic by using the unified modelling language (UML). We used UML diagrams to analyze the HCI control logic of 10 different cart-based US machines from several major manufacturers, and we discovered that the control logic for the most frequently used functions are identical. While this control logic does not follow an established standard, it has been commonly adopted. Using the UML for the visualization and formulation of control logic, we can target logically optimal interactions (whose operation steps cannot be further reduced), e.g., adjustment of B-mode gain, frequency and depth, and can derive methods to simplify logically sub-optimal interactions, e.g., the pointing and selecting operation, as well as image measurements.Our study provides insights into existing HCI approaches used in US machines and establishes a rigorous UML-based framework for future US machine design to improve interoperability, efficiency and ease-of-use.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».