MétaCan
Menu
Retour à la cohorte
Enregistrement W4388918137 · doi:10.1016/j.ifacol.2023.10.468

Electrical Impedance Tomography Hardware with Demodulation

2023· article· en· W4388918137 sur OpenAlexaff
Rafael Benetti, André C.M. Cavalheiro, Hossein Nasiri, Rogério Y. Takimoto, Guilherme C. Duran, Edson Kenji Ueda, Rafael A.O. Ferro, Ahmad Barari, Thiago C. Martins, Marcos de Sales Guerra Tsuzuki

Notice bibliographique

RevueIFAC-PapersOnLine · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueElectrical and Bioimpedance Tomography
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésElectrical impedance tomographySynchronizerMicrocontrollerDemodulationComputer scienceComputer hardwareElectrical impedanceCurrent sourceElectrical engineeringElectronic engineeringCurrent (fluid)EngineeringTelecommunicationsChannel (broadcasting)

Résumé

récupéré en direct d'OpenAlex

Electrical impedance tomography (EIT) is a promising imaging technology. It is portable, user-independent, and low cost (compared to other imaging technologies). There are two main approaches for EIT equipments: dynamic and absolute images. Absolute images are technologically more difficult and are limited by hardware. Phase information is required to create permittivity images. This is an ongoing research with the objective of evaluating the phase information. A new architecture with up to 64 electrodes is proposed. Each electrode has its own Howland current source and microcontroller. The proposed hardware consists of three main modules: the electrode hardware (with Howland current source and microcontroller); the demodulator algorithm; and, the electrode synchronizer. Some results are presented with the electrode hardware that demonstrate data acquisition with two electrodes. Tests with the demodulator algorithm were also presented. Simulated tests with the designed electrode synchronizer were performed, and the implementation remains, and it is considered a future work.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,622
Score d'incertitude au seuil0,863

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,003
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)0,0000,000

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 Opus0,006
Tête enseignante GPT0,198
Écart entre enseignants0,191 · 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'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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIFAC-PapersOnLineMême sujetElectrical and Bioimpedance TomographyTravaux en français237 207