MétaCan
Menu
Retour à la cohorte
Enregistrement W4405517668 · doi:10.1109/uffc-js60046.2024.10793989

Envelope Statistics Analysis of M-mode Signals in Lung Ultrasound for Distinguishing Stratosphere from Seashore Signs: A Preliminary Study

2024· article· en· W4405517668 sur OpenAlexaff
Shohei Mori, Yuu Ono, Mototaka Arakawa, Sreeraman Rajan, Robert Arntfield, Shin Yoshizawa

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMedicine
ThématiqueUltrasound in Clinical Applications
Établissements canadiensWestern UniversityCarleton University
Organismes subventionnairesnon disponible
Mots-clésEnvelope (radar)StratosphereAcousticsStatisticsRemote sensingPhysicsEnvironmental scienceComputer scienceMeteorologyGeologyMathematicsTelecommunicationsRadar

Résumé

récupéré en direct d'OpenAlex

M-mode ultrasound images of a healthy lung exhibit a seashore pattern containing a sandy sign resulted from the lung sliding while those of a pneumothorax have a stratosphere pattern (barcode sign) indicating the lung sliding absence. In this study, the envelope statistics analysis, which is commonly used for B-mode images, was applied to lung ultrasound M-mode images to quantify the difference between the seashore and stratosphere patterns. A probability density function of the envelope data of the M-mode images was modeled by a Rice distribution to quantify the difference of coherent component in the chest wall region (mimicking pseudo barcode sign) and incoherent component in the healthy lung region (sandy sign). An in-vivo experiment with a healthy volunteer showed that the Rice scale parameters of the pseudo barcode sign in the chest wall region were greater than those of the sandy sign in the lung region. The result indicates the potential of the envelope statistics analysis of M-mode signals using the Rice distribution for distinguishing the barcode sign from the sandy sign quantitatively, to automatically detect the pneumothorax.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,041
Tête enseignante GPT0,397
Écart entre enseignants0,356 · 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'étudeObservationnel
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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetUltrasound in Clinical ApplicationsTravaux en français237 207