Utilisation d'images tomodensitométriques et de reconstructions 3D du thorax du chien comme support pédagogique de l'apprentissage de l'anatomie et de la radiographie thoracique
Notice bibliographique
Résumé
Anatomy is one of the cornerstone in the veterinary students’ learning. Therefore it must be complete and fitted to the students. Directly derived from this knowledge, medical imaging is also transdisciplinary. The most common tool at the hand of the vet praticians certainly is radiography. Nonetheless, its great popularity does not involve an easy understanding of the information it gives. Increasingly democratized in veterinary clinics, tomodensitometry allows cross-sectionnal views and tridimensionnal reconstructions. It constitutes an exceptionnal way to visualize and deeply understand topography and the bounds anatomic formations know between them. Tomodensitometry is a wonderful pedagogic tool for the learning of anatomy but also radiography as both of thediagnostic imaging tools have common physics principles. A six years old Labrador Retriever was CT-scanned in the thorax region. Producted images were then edited. Our work allowed us to create 14 videos using tomodensitometric images and tridimensional reconstructions of the thorax region of a dog. Created pedagogic tools are designed for the learning of the thorax anatomy for seven videos, the other seven are designed to help clarify common misleadings in the radiographic reading of the thorax area. All of this ressources are available on the veterinary students’ website for them to peruse
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 tête enseignante, 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 ».