MétaCan
Menu
Retour à la cohorte
Enregistrement W4386251118 · doi:10.18280/mmep.100443

Pleural Effusion Measurement Method on Thoracic Image of Dengue Fever Patient Using Image Processing Technique

2023· article· en· W4386251118 sur OpenAlexvenueno aff
Catur Edi Widodo, Kusworo Adi, Rahmat Gernowo, Arif Setiawan

Notice bibliographique

RevueMathematical Modelling and Engineering Problems · 2023
Typearticle
Langueen
DomaineNeuroscience
ThématiqueBrain Tumor Detection and Classification
Établissements canadiensnon disponible
Organismes subventionnairesUniversitas Diponegoro
Mots-clésDengue feverPleural effusionImage (mathematics)MedicineRadiologyComputer visionArtificial intelligenceImage processingComputer scienceVirology

Résumé

récupéré en direct d'OpenAlex

Pleural effusion is the accumulation of fluid in the pleural cavity.The pleural cavity is located between the pleural layer that covers the lungs and the pleural layer that attaches to the inner wall of the chest cavity.This condition generally occurs due to complications of the disease, including Dengue Hemorrhagic Fever (DHF).Information about the severity of DHF suffered by patients is very important to determine therapy and patient observation because improper handling can lead to patient death.Pleural Efusion Index (PEI) is an indicator used to determine the severity of DHF.So far, doctors or radiologists have measured PEI using conventional chest X-rays manually with a ruler.This method is complicated and time-consuming and must be performed by a specialist such as a doctor or radiologist.Meanwhile, doctors or radiologists who can measure PEI are not available all the time.Therefore, an automatic, fast, and accurate system is needed that can measure PEI and is practical for everyone so that DHF treatment can be carried out quickly.In this study, we developed a PEI measurement method automatically using image processing techniques using digital chest images.We implemented this method on a small Raspberry Pi computer so it can become a portable system.With this portable system, a doctor or radiologist can find out the PEI value and at the same time see the patient's condition directly at the treatment site.This system can also measure PEI directly from conventional film images using an attached camera.The design of the computer program includes preprocessing stages, determining the width of the hemithorax, segmentation, and finally measuring the PEI.The material used in this study was 20 chest images of DHF patients suffering from pleural effusion.The correlation between measurements using this system and manual measurements produces a value of 0.70 which means a high correlation.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 GPT0,303
Écart entre enseignants0,203 · 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 source (Gemma direct ou Codex distillé), 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
GenreMéthodes

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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMathematical Modelling and Engineering ProblemsMême sujetBrain Tumor Detection and ClassificationTravaux en français237 207