MétaCan
Menu
Retour à la cohorte
Enregistrement W4310502364 · doi:10.1109/ius54386.2022.9957521

AI-Powered Measurement of Ultrasonic Axial-Transmission Velocity for Pediatric Skeletal Development Evaluation

2022· article· en· W4310502364 sur OpenAlexaff
Qing Li, Tho N.H.T. Tran, Jialin Guo, Kailiang Xu, Boyi Li, Lawrence H. Le, Dean Ta

Notice bibliographique

Revue2022 IEEE International Ultrasonics Symposium (IUS) · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueGait Recognition and Analysis
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésUltrasonic sensorPreprocessorComputer scienceGround truthModality (human–computer interaction)WaveformCluster analysisConsistency (knowledge bases)Fuzzy logicSIGNAL (programming language)Artificial intelligenceComputer visionBiomedical engineeringAcousticsMedicinePhysicsTelecommunications

Résumé

récupéré en direct d'OpenAlex

Bone health assessment is commonly used to evaluate skeletal development and maturation and to diagnose neonatal growth disorders. Implementing an automated ultrasonic system for pediatric bone evaluation, which is radiation-free and cost-effective, to complement conventional radiography is significant for clinical applications. This study mainly proposes a method, which combines the ReliefF algorithm with fuzzy C-means clustering, for fully automatic detection of wave arrival time and estimation of ultrasonic velocity from axial transmission waveforms measured from the bone of infants without the need for signal preprocessing. The results of in-vivo velocity measurement show good consistency with the ground truth modality, indicating the feasibility of the proposed method for further clinical studies and usages.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,301
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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)0,0020,000

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 Opus0,022
Tête enseignante GPT0,257
Écart entre enseignants0,235 · 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.

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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2022 IEEE International Ultrasonics Symposium (IUS)Même sujetGait Recognition and AnalysisTravaux en français237 207