MétaCan
Menu
Constructeur de cohorte

4 299 418 travaux, canadiens par l’une de quatre routes.

Chaque état de filtre est une URL; l’URL est la requête; la requête est citable via /q/⟨hash⟩. La page, l’API et l’export analysent les mêmes paramètres.

La cohorte courante, diffusée en continu depuis la base de données : toutes les colonnes des travaux, les étiquettes machine, les scores provisoires et l'état de validation de chaque rangée. Les exportations sont plafonnées à 100 000 rangées. Crée un lien /q/ permanent pour cette requête exacte. Les mêmes filtres produisent toujours le même lien, qui que soit le demandeur.

Terme de recherche
Auteur ou autrice
Période
Ordre
Langue
Type
Domaine
Revue
Sujet
Radiomics and Machine Learning in Medical Imaging
Rétractation
Résumé
Source des données probantes
Devis d'étude
Accord des étiquettes
État des étiquettes

Les étiquettes directes de Codex et Gemma sont non validées et clairsemées. Les prédictions distillées couvrent la base complète et sont elles aussi non validées. Choisissez explicitement la source; l'absence d'une étiquette directe n'est jamais une étiquette négative.

affaffiliation
fundbailleur
venuerevue
aboutsujet

Les quatre voies se composent : exigez la voie du financement et excluez l'affiliation pour obtenir la strate financée-seulement qu'aucune base fondée sur l'affiliation ne voit jamais.

2 251 résultats · 1 filtre actif ·
Résultats par année
20002025
Date de publication
Catégories
Étiquettes machine · couverture clairsemée
Preuves
Langue
Type
Citations
Un travail non étiqueté est inconnu, pas un négatif. La couverture est rapportée à chaque requête.
2 251 travaux dans la cohorte · sur 4 299 418page 1 sur 46

Les étiquettes couvrent 9 des 2 251 travaux de cette cohorte. Les autres sont non étiquetés, ce qui n'est pas une étiquette négative : la table des étiquettes est clairsemée aujourd'hui et s'enrichit au fil des rondes d'étiquetage.

Les prédictions distillées couvrent 2 251 des 2 251 travaux de cette cohorte. Ces prédictions portent le statut machine_predicted_unvalidated. Le mode candidate est l'union; le consensus est l'intersection.

affnon étiqueté
The Medical Segmentation Decathlon
Michela Antonelli, Annika Reinke, Spyridon Bakas, Keyvan Farahani, Annette Kopp‐Schneider, Bennett A. Landman +52 autres
2022· article· en· Nature Communications· Medicine
prédiction distillée:candidate · sts+research_integrityconsensus · aucune
1 202
citations
affsans résuménon étiqueté
Imaging biomarker roadmap for cancer studies
James P.B. O’Connor, Eric O. Aboagye, Judith E. Adams, Hugo J.W.L. Aerts, Sally F. Barrington, Ambros J. Beer +70 autres
2016· review· en· Nature Reviews Clinical Oncology· Medicine
prédiction distillée:candidate · metaresearch+metaepi_narrow+research_integrityconsensus · research_integrity
1 078
citations
affsans résuménon étiqueté
Deep semantic segmentation of natural and medical images: a review
Saeid Asgari Taghanaki, Kumar Abhishek, Joseph Cohen, Julien Cohen‐Adad, Ghassan Hamarneh
2020· review· en· PolyPublie (École Polytechnique de Montréal)· Medicine
prédiction distillée:candidate · metaepi_narrowconsensus · aucune
849
citations
affnon étiqueté
Machine and deep learning methods for radiomics
Michele Avanzo, Lise Wei, Joseph Stancanello, Martin Vallières, Arvind Rao, Olivier Morin +2 autres
2020· review· en· Medical Physics· Medicine
prédiction distillée:candidate · metaepi_narrow+research_integrityconsensus · aucune
583
citations
affsans résuménon étiqueté
Artificial intelligence in radiation oncology
Elizabeth Huynh, Ahmed Hosny, Christian V. Guthier, Danielle S. Bitterman, Steven Petit, Daphne A. Haas‐Kogan +3 autres
2020· review· en· Nature Reviews Clinical Oncology· Medicine
prédiction distillée:candidate · metaresearch+metaepi_narrow+research_integrity+insufficient_payloadconsensus · research_integrity
401
citations
affsans résuménon étiqueté
Predicting outcomes in radiation oncology—multifactorial decision support systems
Philippe Lambin, Ruud G.P.M. van Stiphout, Maud H. W. Starmans, Emmanuel Rios-Velazquez, Georgi Nalbantov, Hugo J.W.L. Aerts +8 autres
2012· review· en· Nature Reviews Clinical Oncology· Medicine
prédiction distillée:candidate · metaresearch+metaepi_narrow+research_integrityconsensus · research_integrity
395
citations
affsans résuménon étiqueté
The TRIPOD-LLM reporting guideline for studies using large language models
Jack Gallifant, Majid Afshar, Saleem Ameen, Yindalon Aphinyanaphongs, Shan Chen, Giovanni Cacciamani +19 autres
2025· review· en· Nature Medicine· Medicine
prédiction distillée:candidate · metaresearch+metaepi_narrow+research_integrityconsensus · aucune
355
citations
affsans résuménon étiqueté
Machine Learning in Radiation Oncology
Issam El Naqa, Ruijiang Li, Martin J. Murphy
2015· book· en· Medicine
prédiction distillée:candidate · research_integrityconsensus · aucune
277
citations
fundno affnon étiqueté
Image-Based Cardiac Diagnosis With Machine Learning: A Review
Carlos Martín-Isla, Víctor M. Campello, Cristian Izquierdo, Zahra Raisi‐Estabragh, Bettina Baeßler, Steffen E. Petersen +1 autres
2020· review· en· Frontiers in Cardiovascular Medicine· Medicine
prédiction distillée:candidate · metaepi_narrow+research_integrityconsensus · aucune
245
citations
affnon étiqueté
Head and neck tumor segmentation in PET/CT: The HECKTOR challenge
Valentin Oreiller, Vincent Andrearczyk, Mario Jreige, Sarah Boughdad, Hesham Elhalawani, J. Castelli +21 autres
2021· article· en· Medical Image Analysis· Medicine
prédiction distillée:candidate · insufficient_payloadconsensus · aucune
203
citations
afffundnon étiqueté
Deep learning workflow in radiology: a primer
Emmanuel Montagnon, Milena Cerny, Alexandre Cadrin-Chênevert, Vincent Hamilton, Thomas Derennes, André Ilinca +4 autres
2020· review· en· Insights into Imaging· Medicine
prédiction distillée:candidate · metaepi_narrow+research_integrityconsensus · aucune
179
citations

En coulisses: Sélection · Constats · À propos