MétaCan
Menu
Retour à la cohorte
Enregistrement W4313892847 · doi:10.22541/au.167329934.45531674/v1

Optical profilometry for forensic bloodstain imaging

2023· preprint· en· W4313892847 sur OpenAlexafffund
Theresa Stotesbury, Brayden Vale, Amanda Orr, Colin Elliott

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineArts and Humanities
ThématiqueCultural Heritage Materials Analysis
Établissements canadiensTrent UniversityOntario Tech University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésProfilometerKurtosisDeposition (geology)Surface finishSkewnessSurface (topology)Surface roughnessRough surfaceMaterials scienceTerm (time)OpticsGeologyMathematicsStatisticsComposite materialGeometryPhysicsGeomorphology

Résumé

récupéré en direct d'OpenAlex

Understanding the physical, chemical and biological changes that occur during the drying of a bloodstain is important in many aspects of forensic science including bloodstain pattern analysis and time since deposition estimation. This research assesses the use of optical profilometry to analyze changes in the surface morphology of degrading bloodstains created using three different volumes (4, 11, and 20 µL) up to four weeks after deposition. We analyzed six surface characteristics, including surface average roughness, kurtosis, skewness, maximum height, number of cracks and pits, and height distributions from the topographical scans obtained from bloodstains. Full and partial optical profiles were obtained to examine long-term (minimum of 1.5 hour intervals) and short-term (5 minute intervals) changes. The majority of the changes in surface characteristics occurred within the first 35 minutes after bloodstain deposition, in agreement with current research in bloodstain drying. Optical profilometry is a non-destructive and efficient method to obtain surface profiles of bloodstains, and can be integrated easily into additional research workflows including but not limited to time since deposition estimation.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,402
Score d'incertitude au seuil0,998

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 savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,100
Tête enseignante GPT0,288
Écart entre enseignants0,189 · 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'étudeThéorique ou conceptuel
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

Citations2
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetCultural Heritage Materials AnalysisTravaux en français237 207