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 2 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 volet Gemma est une étiquette directe du modèle pour chaque travail (titre seulement); le volet Codex est un classifieur distillé et calibré. Le mode candidate est l'union; le consensus est l'intersection.

afffundsans résuménon étiqueté
Understanding metric-related pitfalls in image analysis validation
Annika Reinke, Minu D. Tizabi, Michael Baumgartner, Matthias Eisenmann, Doreen Heckmann-Nötzel, Ali Emre Kavur +63 autres
2024· review· en· Nature Methods· Medicine
prédiction machine:candidate · metaresearchconsensus · aucune
175
citations
affnon étiqueté
Foundation model for cancer imaging biomarkers
Suraj Pai, Dennis Bontempi, Ibrahim Hadžić, Vasco Prudente, Mateo Sokač, Tafadzwa L. Chaunzwa +5 autres
2024· article· en· Nature Machine Intelligence· Medicine
prédiction machine:candidate · aucuneconsensus · aucune
171
citations
affnon étiqueté
Value of MRI in medicine: More than just another test?
Edwin J.R. van Beek, Christiane Kühl, Yoshimi Anzai, Patricia Desmond, Richard L. Ehman, Qiyong Gong +13 autres
2018· editorial· en· Journal of Magnetic Resonance Imaging· Medicine
prédiction machine:candidate · aucuneconsensus · aucune
166
citations
affnon étiqueté
Joint EANM/SNMMI guideline on radiomics in nuclear medicine
Mathieu Hatt, Aron K. Krizsan, Arman Rahmim, Tyler Bradshaw, Pedro Fragoso Costa, Attila Forgács +6 autres
2022· letter· en· European Journal of Nuclear Medicine and Molecular Imaging· Medicine
prédiction machine:candidate · aucuneconsensus · aucune
151
citations
affsans résuménon étiqueté
Interpretation of radiomics features–A pictorial review
Ali Abbasian Ardakani, Nathalie J. Bureau, Edward J. Ciaccio, U. Rajendra Acharya
2021· review· en· Computer Methods and Programs in Biomedicine· Medicine
prédiction machine:candidate · aucuneconsensus · aucune
141
citations
affsans résuménon étiqueté
Radiomics in hepatocellular carcinoma: a quantitative review
Taiga Wakabayashi, Farid Ouhmich, Cristians Gonzalez-Cabrera, Emanuele Felli, Antonio Saviano, Vincent Agnus +5 autres
2019· review· en· Hepatology International· Medicine
prédiction machine:candidate · aucuneconsensus · aucune
131
citations
affnon étiqueté
An Overview of Artificial Intelligence in Oncology
Eduardo Moreno Júdice de Mattos Farina, Jacqueline Justino Nabhen, Maria Inez Dacoregio, Felipe Batalini, Fábio Ynoe de Moraes
2022· review· en· Future Science OA· Medicine
prédiction machine:candidate · aucuneconsensus · aucune
122
citations
affnon étiqueté
Artificial intelligence in radiotherapy
Sarkar Siddique, James C. L. Chow
2020· review· en· Reports of Practical Oncology & Radiotherapy· Medicine
prédiction machine:candidate · aucuneconsensus · aucune
112
citations
affsans résuménon étiqueté
Clinical Utility of Quantitative Imaging
Andrew B. Rosenkrantz, Mishal Mendiratta‐Lala, Brian J. Bartholmai, Dhakshinamoorthy Ganeshan, Richard G. Abramson, Kirsteen R. Burton +5 autres
2014· review· en· Academic Radiology· Medicine
prédiction machine:candidate · aucuneconsensus · aucune
104
citations

En coulisses: Sélection · Constats · À propos