Rapid Prediction of Ablation Zones of Irreversible Electroporation With Electrochemical Impedance Spectroscopy and Artificial Neural Network in a Heterogeneous Model
Notice bibliographique
Résumé
In this study, we combined electrochemical impedance spectroscopy (EIS) and artificial neural network (ANN) to predict the ablation zone of irreversible electroporation (IRE) in a heterogeneous plant model. The heterogeneous plant model was built by implanting an exotic material with a different electrical conductivity (copper or wood) into potato cubes. For each heterogeneous model, 55 IRE trials were performed with the pulse strength of 300–1300 V and the pulse number of 30, 60, or 90 ($100 \mu \text{s}$in the pulsewidth and the frequency of 1 Hz) for different positions of exotic implants. The ANN for each model was trained, tested, and validated by a total of 165 experimental data with five inputs (pulse strength, pulse number, implant$x$-/$y$-axis values, and impedance variation parameter) and four outputs (ablation area, major axis length (MaAL), minor axis length (MiAL), and ablation boundary in the first quadrant). Both the experiment and simulation results showed that the two implants with different electrical conductivities could distort the electric field distribution in the plant model. This study concludes that the method combining ANN and EIS can be used to predict the ablation zone of heterogeneous IRE with acceptable accuracy ($>$90%), which might bring a hint to the rapid monitoring of IRE in the treatment of tumors.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 source (Gemma direct ou Codex distillé), 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 ».