Enregistrement W1979447612 · doi:10.1016/j.neuroimage.2015.02.065

Bayesian segmentation of brainstem structures in MRI

2015· article· en· W1979447612 sur OpenAlexfundno aff

Juan Eugenio Iglesias, Koen Van Leemput, Priyanka Bhatt, Christen Casillas, Shubir Dutt, Norbert Schuff, Diana Truran‐Sacrey, Adam L. Boxer, Bruce Fischl

Notice bibliographique

RevueNeuroImage · 2015

Typearticle

Langueen

DomaineComputer Science

ThématiqueMedical Image Segmentation Techniques

Établissements canadiensnon disponible

Organismes subventionnairesNIH Blueprint for Neuroscience ResearchNational Institute of Mental HealthNational Center for Complementary and Integrative HealthNational Institute on AgingNational Institute of Biomedical Imaging and BioengineeringCanadian Institutes of Health ResearchUniversity of California, San DiegoGenentechNational Institutes of HealthDiputación Foral de GipuzkoaNational Institute of Neurological Disorders and StrokeIXICOServierEisaiNorthern California Institute for Research and EducationPfizerBiogenBioClinicaHarvard CatalystTekesSynarcUniversity of Southern CaliforniaMedpaceNovartis Pharmaceuticals CorporationHarvard UniversityNational Center for Research ResourcesF. Hoffmann-La RocheEllison Medical FoundationAlzheimer's Drug Discovery FoundationU.S. Department of DefenseEli Lilly and CompanyTau ConsortiumBristol-Myers SquibbFoundation for the National Institutes of HealthAlzheimer's Disease Neuroimaging InitiativeNational Center for Complementary and Alternative MedicineMeso Scale Diagnostics

Mots-clésBrainstemPonsSegmentationComputer scienceArtificial intelligenceMidbrainNeuroimagingPattern recognition (psychology)NeuroscienceAnatomyMedicinePsychologyCentral nervous system

DOI10.1016/j.neuroimage.2015.02.065

Résumé

récupéré en direct d'OpenAlex

OpenAlex consigne un résumé pour ce travail, mais il n'a pas pu être récupéré à l'instant.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002

score de la tête « metaresearch » (Gemma)0,005

Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated

Catégories candidatesaucune

Catégories consensuellesaucune

DomaineSignal candidat: aucune · Signal consensuel: aucune

Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune

GenreSignal candidat: Empirique · Signal consensuel: aucune

Score de désaccord entre enseignants0,008

Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

Catégorie	Codex	Gemma
Métarecherche	0,002	0,005
Méta-épidémiologie (sens strict)	0,001	0,001
Méta-épidémiologie (sens large)	0,001	0,002
Bibliométrie	0,004	0,001
Études des sciences et des technologies	0,001	0,001
Communication savante	0,002	0,001
Science ouverte	0,002	0,002
Intégrité de la recherche	0,002	0,001
Charge utile insuffisante (le modèle a refusé de juger)	0,002	0,002

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.

Tête enseignante Opus0,031

Tête enseignante GPT0,304

Écart entre enseignants0,273 · la distance entre les deux têtes enseignantes sur ce seul travail

Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.

Devis d'étudeSimulation ou modélisation

Domainenon disponible

GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations292

Publié2015

Routes d'admission1

Résumé présentoui

Télécharger la notice (JSON)Signaler un problème avec cette notice

Explorer davantage

Même revueNeuroImage→Même sujetMedical Image Segmentation Techniques→Travaux en français237 207→