MétaCan
Menu
Retour à la cohorte
Enregistrement W2078113043 · doi:10.1117/12.2041310

CI Slide: calibration slide for quantitative microscopy imaging in absorbance

2014· article· en· W2078113043 sur OpenAlexaff
Fahime Sheikhzadeh, Qian Ye, Nasir Zulkafly, Anita Carraro, J. Korbelic, Zhaoyang Chen, Alan Harrison, Michele Follen, Calum MacAulay, Rabab Ward, Martial Guillaud

Notice bibliographique

RevueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIE · 2014
Typearticle
Langueen
DomaineComputer Science
ThématiqueAI in cancer detection
Établissements canadiensUniversity of British ColumbiaBC Cancer Agency
Organismes subventionnairesnon disponible
Mots-clésScannerCalibrationComputer scienceComputer visionArtificial intelligenceOrientation (vector space)SoftwareOpticsMathematicsPhysics

Résumé

récupéré en direct d'OpenAlex

New imaging technologies are changing the field of digital pathology. This field faces numerous challenges and there is a pressing need for standardization, calibration protocols, quality control and quantitative assessment. We have designed a new calibration imaging slide (Cancer Imaging Slide), specifically to measure the characteristics of old or new imaging systems or scanners. The layout of the slide consists of 138 boxes with the side length of 1.6 mm, containing objects of known morphologic and photometric characteristics. Among them, 112 boxes contain different permutations of circles, ovals, and squares. The circles have different radii, radius/pitch ratios and step transmissions. The ovals have different sizes and orientations. The squares are consistent in size and orientation but have different step transmission values. Also, 16 boxes contain three resolution test targets: crosses, USAF target and Siemens star. The last 10 boxes are blank boxes with different transmission values. Four slides were scanned and imaged on one commercial whole-slide scanner and one high resolution imaging system. After segmenting the images, about 200 features (photometric, morphologic and architectural) were measured with our in-house image processing software. The objective of the project is to develop a statistical process control using this new slide. In this paper, we describe the characteristics of the slide and present our preliminary results.

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)0,007
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,069
Score d'incertitude au seuil0,230

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,005
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0090,003
Études des sciences et des technologies0,0030,002
Communication savante0,0020,002
Science ouverte0,0040,002
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0690,025

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 Opus0,012
Tête enseignante GPT0,254
Écart entre enseignants0,242 · 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
GenreMéthodes

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

En bref

Citations1
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIEMême sujetAI in cancer detectionTravaux en français237 207