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
AI in cancer detection
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.

1 463 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.
1 463 travaux dans la cohorte · sur 4 299 418page 5 sur 30

Les étiquettes couvrent 4 des 1 463 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 1 463 des 1 463 travaux de cette cohorte. Ces prédictions portent le statut machine_predicted_unvalidated. Le mode candidate est l'union; le consensus est l'intersection.

afffundsans résuménon étiqueté
Unsupervised Machine Learning in Pathology
Adil Roohi, Kevin Faust, Ugljesa Djuric, Phedias Diamandis
2020· review· en· Surgical pathology clinics· Computer Science
prédiction distillée:candidate · metaepi_narrow+research_integrityconsensus · research_integrity
43
citations
aboutno affnon étiqueté
PathologyGAN: Learning Deep Representations of Cancer Tissue
Adalberto Claudio Quiros, Roderick Murray‐Smith, Ke Yuan
2020· article· en· ENLIGHTEN (Jurnal Bimbingan dan Konseling Islam)· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
43
citations
affaboutnon étiqueté
Use of whole slide imaging (WSI) for distance teaching
Andrew Evans, Nadia Depeiza, Shara-Gaye Allen, Kimone Fraser, Suzanne Shirley, Runjan Chetty
2020· review· en· Journal of Clinical Pathology· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
42
citations
affsans résuménon étiqueté
Overview of Machine Learning: Part 2
William Le, Farhad Maleki, Francisco Romero, Reza Forghani, Samuel Kadoury
2020· review· en· Neuroimaging Clinics of North America· Computer Science
prédiction distillée:candidate · metaepi_narrowconsensus · aucune
42
citations
affsans résuménon étiqueté
Can genes for mammographic density inform cancer aetiology?
Linda E. Kelemen, Thomas A. Sellers, Celine M. Vachon
2008· review· en· Nature reviews. Cancer· Computer Science
prédiction distillée:candidate · metaepi_narrow+research_integrityconsensus · aucune
41
citations
aboutno affnon étiqueté
PathologyGAN: Learning deep representations of cancer tissue
Adalberto Claudio Quiros, Roderick Murray‐Smith, Ke Yuan
2021· preprint· en· The Journal of Machine Learning for Biomedical Imaging· Computer Science
prédiction distillée:candidate · research_integrityconsensus · aucune
36
citations

En coulisses: Sélection · Constats · À propos