MétaCan
Menu
← Retour à la cohorte
Enregistrement W1990035795 · doi:10.1049/cp:20060344

Approaches to validating the "quantity" in quantitative MR cerebral perfusion studies

2006· article· en· W1990035795 sur OpenAlexaff
Michael R. Smith, Jacqueline Miller, L. Ko, J. Chen, Adam Geras, Richard Frayne

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced MRI Techniques and Applications
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésAgile software developmentComputer scienceCerebral blood flowSoftwareMagnetic resonance imagingSoftware engineeringData scienceMedicineRadiologyCardiologyProgramming language

Résumé

récupéré en direct d'OpenAlex

Stroke is a major killer across the world; with staggering financial implications. Magnetic resonance dynamic susceptibility contrast studies are a plausible approach to provide quantitative cerebral blood flow (CBF) measurements. However, what is the correct approach to take when a proven method from another scientific area is suggested as a means for a minor increase in CBF accuracy, but leads to results that totally disagree with the established literature? Agile methodologies are being introduced into business as a new "light-footed" approach to developing software with considerable success. We describe our experiences of adapting Agile software engineering practices to establish a repeatable hardware-software co-design framework for biomedical algorithm validation. (4 pages)

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 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)0,097
score de la tête « metaresearch » (Gemma)0,245
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,097
Score d'incertitude au seuil0,515

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0970,245
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0080,003
Études des sciences et des technologies0,0020,012
Communication savante0,0100,008
Science ouverte0,0080,009
Intégrité de la recherche0,0050,004
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,301
Tête enseignante GPT0,402
Écart entre enseignants0,101 · 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'étudeExpérimental (laboratoire)
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

Citations3
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced MRI Techniques and Applications→Travaux en français237 207→