Validation of a semiautomated spinal cord segmentation method
Notice bibliographique
Résumé
PURPOSE: To validate semiautomated spinal cord segmentation in healthy subjects and patients with neurodegenerative diseases and trauma. MATERIALS AND METHODS: Forty-nine healthy subjects, as well as 29 patients with amyotrophic lateral sclerosis, 19 with spinal muscular atrophy, and 14 with spinal cord injuries were studied. Cord area was measured from T2 -weighted 3D turbo spin echo images (cord levels from C2 to T9) using the semiautomated segmentation method of Losseff et al (Brain [1996] 119(Pt 3):701-708), compared with manual segmentation. Reproducibility was evaluated using the inter- and intraobserver coefficient of variation (CoV). Accuracy was assessed using the Dice similarity coefficient (DSC). Robustness to initialization was assessed by simulating modifications to the contours drawn manually prior to segmentation. RESULTS: Mean interobserver CoV was 4.00% for manual segmentation (1.90% for Losseff's method) in the cervical region and 5.62% (respectively 2.19%) in the thoracic region. Mean intraobserver CoV was 2.34% for manual segmentation (1.08% for Losseff's method) in the cervical region and 2.35% (respectively 1.34%) in the thoracic region. DSC was high (0.96) in both cervical and thoracic regions. DSC remained higher than 0.8 even when modifying initial contours by 50%. CONCLUSION: The semiautomated segmentation method showed high reproducibility and accuracy in measuring spinal cord area.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».