MétaCan
Menu
Retour à la cohorte
Enregistrement W4224230193 · doi:10.3390/s22082830

Towards Development of Specular Reflection Vascular Imaging

2022· article· en· W4224230193 sur OpenAlexaff
Timothy Burton, Gennadi Saiko, Alexandre Douplik

Notice bibliographique

RevueSensors · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueOptical Imaging and Spectroscopy Techniques
Établissements canadiensSt. Michael's HospitalToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésSpecular reflectionSpecular highlightReflection (computer programming)Computer visionSIGNAL (programming language)Computer sciencePixelBlood flowWaveformArtificial intelligenceVisualizationRay tracing (physics)Medical imagingBiomedical engineeringOpticsAcousticsMedicineRadiologyPhysicsTelecommunications

Résumé

récupéré en direct d'OpenAlex

Specular reflection from tissue is typically considered as undesirable, and managed through device design. However, we believe that specular reflection is an untapped light-tissue interaction, which can be used for imaging subcutaneous blood flow. To illustrate the concept of subcutaneous blood flow visualization using specular reflection from the skin, we have developed a ray tracing for the neck and identified conditions under which useful data can be collected. Based on our model, we have developed a prototype Specular Reflection Vascular Imaging (SRVI) device and demonstrated its feasibility by imaging major neck vessels in a case study. The system consists of a video camera that captures a video from a target area illuminated by a rectangular LED source. We extracted the SRVI signal from 5 × 5 pixels areas (local SRVI signal). The correlations of local SRVIs to the SRVI extracted from all pixels in the target area do not appear to be randomly distributed, but rather form cohesive sub-regions with distinct boundaries. The obtained waveforms were compared with the ECG signal. Based on the time delays with respect to the ECG signal, as well as the waveforms themselves, the sub-regions can be attributed to the jugular vein and carotid artery. The proposed method, SRVI, has the potential to contribute to extraction of the diagnostic information that the jugular venous pulse can provide.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,105
Score d'incertitude au seuil0,295

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 Opus0,016
Tête enseignante GPT0,311
Écart entre enseignants0,296 · 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'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

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSensorsMême sujetOptical Imaging and Spectroscopy TechniquesTravaux en français237 207