MétaCan
Menu
Retour à la cohorte
Enregistrement W4242061192 · doi:10.32920/ryerson.14668212

Monitoring electric field induced changes in biological tissues and phantoms using ultrasound

2021· preprint· en· W4242061192 sur OpenAlexaff
J. C. Bhatt

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEngineering
ThématiqueElectrical and Bioimpedance Tomography
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésElectric fieldSIGNAL (programming language)AmplitudeRoot mean squareMaterials scienceNoise (video)Signal-to-noise ratio (imaging)Field (mathematics)Biomedical engineeringNuclear magnetic resonanceModulation (music)AcousticsOpticsBiological systemPhysicsComputer scienceMathematicsMedicine

Résumé

récupéré en direct d'OpenAlex

An external electric field can induce mechanical changes depending on the amplitude, frequency and duration of the applied electric field. This study is focused on monitoring the electric/electro-kinetic effects of real biological tissues (in vitro) and gelatin phantoms with high spatial resolution. In this study, we investigated the mean of the signal spectrum at the modulation frequency, root-mean-square of the noise in the spectrum, and signal-to-noise ratio (SNR) during the application of low-frequency AC electric field in tissues and phantoms. Our results show that the EIMC SNR can indicate the existence of AC electric current in samples, rather than be directly related to the sample's electro-kinetic properties of the samples. We also found that the SNR varies spatially even for homogenous samples. These two features might hinder the development of the proposed method to be a viable clinical diagnostic technique.

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 enseignants0,079
Score d'incertitude au seuil0,959

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,042
Tête enseignante GPT0,276
Écart entre enseignants0,234 · 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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetElectrical and Bioimpedance TomographyTravaux en français237 207