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
Computers in Biology and Medicine
Sujet
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.

415 résultats · 1 filtre actif ·
Résultats par année
20012025
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.
415 travaux dans la cohorte · sur 4 299 418page 7 sur 9

Les étiquettes couvrent 0 des 415 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 415 des 415 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
Feature-based MRI data fusion for cardiac arrhythmia studies
Karl Magtibay, Mohammadali Beheshti, F. H. Foomany, Stéphane Massé, Patrick F.H. Lai, Nima Zamiri +5 autres
2016· article· en· Computers in Biology and Medicine· Medicine
prédiction machine:candidate · aucuneconsensus · aucune
5
citations
afffundnon étiqueté
Whole slide image representation in bone marrow cytology
Youqing Mu, Hamid R. Tizhoosh, Taher Dehkharghanian, Clinton J.V. Campbell
2023· article· en· Computers in Biology and Medicine· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
5
citations
afffundnon étiqueté
BitterEN: A novel ensemble model for the identification of bitter peptide
Md. Fahim Sultan, Tasmin Karim, Md. Shazzad Hossain Shaon, Md. Mamun Ali, Sobhy M. Ibrahim, Mst Shapna Akter +3 autres
2025· article· en· Computers in Biology and Medicine· Biochemistry, Genetics and Molecular Biology
prédiction machine:candidate · aucuneconsensus · aucune
5
citations
afffundnon étiqueté
Stress classification with in-ear heartbeat sounds
Danielle Benesch, Bérangère Villatte, Alain Vinet, Sylvie Hébert, Jérémie Voix, Rachel Bouserhal
2024· article· en· Computers in Biology and Medicine· Engineering
prédiction machine:candidate · aucuneconsensus · aucune
5
citations
affsans résuménon étiqueté
Domain-aware contrastive learning for ultrasound hip image analysis
Abhilash Rakkunedeth Hareendranathan, Arpan Tripathi, Mahesh Raveendranatha Panicker, Yuyue Zhou, Jessica Knight, Jacob L. Jaremko
2022· article· en· Computers in Biology and Medicine· Medicine
prédiction machine:candidate · aucuneconsensus · aucune
5
citations
afffundnon étiqueté
ACU<mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" altimg="si3.svg" display="inline" id="d1e1379"><mml:msup><mml:mrow/><mml:mrow><mml:mn>2</mml:mn></mml:mrow></mml:msup></mml:math>E-Net: A novel predict–refine attention network for segmentation of soft-tissue structures in ultrasound images
Sharanya Balachandran, Xuebin Qin, Chen Jiang, Ehsan Seyed Blouri, Amir Forouzandeh, Masood Dehghan +4 autres
2023· article· lv· Computers in Biology and Medicine· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
4
citations
afffundsans résuménon étiqueté
Insights into the suitability of utilizing brown rats (Rattus norvegicus) as a model for healing spinal cord injury with epidermal growth factor and fibroblast growth factor-II by predicting protein-protein interactions
Nashira Grigg, Andrew Schoenrock, Kevin Dick, James R. Green, Ashkan Golshani, Alex Wong +3 autres
2018· article· en· Computers in Biology and Medicine· Biochemistry, Genetics and Molecular Biology
prédiction machine:candidate · aucuneconsensus · aucune
4
citations
afffundnon étiqueté
Turbulent-like blood flow in neo-aorta in post-norwood patients
Vivian Tan, Ankavipar Saprungruang, Brandon Peel, Christopher K. Macgowan, Christoph Haller, David J. Barron +3 autres
2025· article· en· Computers in Biology and Medicine· Medicine
prédiction machine:candidate · aucuneconsensus · aucune
3
citations

En coulisses: Sélection · Constats · À propos