Notice bibliographique
Résumé
PURPOSE: The Papnet system was initially designed for rescreening negative Pap tests but may also be an effective primary screener. METHODS: A set of 2,200 archival slides diagnosed by conventional, manual screening as 2,000 (90%) WNL, 47 (2.1%) carcinomas, 50 (2.3%), HSIL, 50 (2.3%) LSIL, and 53 (2.4%) ASCUS/AGUS were compared to the results of Papnet-assisted, primary screening. Following Papnet scanning, the digitized images were triaged and classified as abnormal or negative. All abnormals had a full manual screening, whereas negatives had a limited screening. Results by each screening method were compared and discordant cases were peer reviewed for a consensus result. Screening efficacy by each method was measured against a standard result composed of the concordant and consensus results. RESULTS: There were 101 concordant and 181 discordant abnormal results. The standard result for the slide set was 1,953 (88.9%) WNL, 87 (3.9%) ASCUS/AGUS, 52 (2.4%) LSIL, 62 (2.8%) HSIL, 39 (1.8%) carcinomas, and 5 (0.2%) unsatisfactory. Papnet versus manual sensitivity rates were 87.6% vs 72.3% at the ASCUS/AGUS threshold, 85.6% vs 82.4% at the LSIL threshold, and 89.1% vs 90.1% at the HSIL threshold. CONCLUSIONS: Papnet-assisted, primary screening equals conventional, manual screening in the detection of a wide range of cell abnormalities and is more effective in the detection of abnormalities at the lower end of the abnormal spectrum.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».