MétaCan
Menu
Retour à la cohorte
Enregistrement W4407732198 · doi:10.1088/1361-6579/adb82c

In-water electrical impedance tomography: EIT and the sea

2025· article· en· W4407732198 sur OpenAlexaff
Andy Adler, Tarek El Harake, Martina Mosing, Andreas Fahlman

Notice bibliographique

RevuePhysiological Measurement · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWater Quality Monitoring Technologies
Établissements canadiensCarleton University
Organismes subventionnairesOffice of Naval Research
Mots-clésElectrical impedance tomographyTomographyUnderwaterAcousticsIterative reconstructionElectrical impedanceComputer scienceEngineeringPhysicsElectrical engineeringGeologyComputer visionOceanographyOptics

Résumé

récupéré en direct d'OpenAlex

Abstract Objective. Electrical impedance tomography (EIT) has shown the ability to provide clinically useful functional information on ventilation in humans and other land mammals. We are motivated to use EIT with sea mammals and human divers, since EIT could provide unique information on lung ventilation that can help address diver performance and safety, and veterinary and behavioral questions. However, in-water use of EIT is challenging, primarily because sea water is more conductive than the body. Approach. We first address this issue by modeling the in-water component and evaluating image reconstruction algorithms. Main results. EIT is able to produce reasonable images if an outer insulating layer allows a water layer thickness <2% of the body radius. We next describe the design of custom EIT belts with an outer neoprene insulator to minimize current leakage. We show example underwater EIT recordings in human and dolphin subjects. Significance. We demonstrate in-water EIT is feasible with appropriate techniques.

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)0,001
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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,541
Score d'incertitude au seuil0,240

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
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 Opus0,040
Tête enseignante GPT0,260
Écart entre enseignants0,220 · 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'étudeExpérimental (laboratoire)
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhysiological MeasurementMême sujetWater Quality Monitoring TechnologiesTravaux en français237 207