A Non-Invasive Detection and Monitoring of Intracranial Pressure Using Ultrasound Sensors
Notice bibliographique
Résumé
Background: Intracranial pressure (ICP) measurement is an extremely important part of the neurosurgical healthcare. Existing methods used for monitoring ICP are mainly grouped into invasive and non-invasive methods. Research into techniques for ICP monitoring is now gearing towards non-invasive methods to eliminate complications associated with invasive methods. The goal of this work was to propose an effective method for ICP monitoring. Method: The work presents a model-based approach for the analysis and characterization of the proposed method. ICP waveforms and characteristics were generated from mathematical models using computer simulation and various datasets. The simulation model of the proposed ultrasound system and biological system were developed. Results: The ICP pulse was achieved with a variance of 63.62 Pa from the reference model used. From our results, a minimum of 10 MHz with a minimum pulse width of 80 µs can be used in the development of proposed system. The cut-off frequencies for the pulse generator filter and mixed signal filter values were 40 MHz and 1 MHz respectively. Conclusion: The present study establishes a reference model for ultrasound system-biological system interaction. The study also proposes a new approach for ICP monitoring. The ICP monitoring approach in this paper has the advantage of being a simple, non-invasive and a direct method for ICP monitoring. The model presented is an effective tool in the field of research, coursework and presentations. The introduced device satisfies both the needs of the patients and that of the health personnel. J Neurol Res. 2015;5(1-2):167-180 doi: http://dx.doi.org/10.14740/jnr322w
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 | 0,002 |
| 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 | 0,001 |
| 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 ».