A comparison of human and model observers in multislice LROC studies
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Model and human observers have been compared in a series of localization receiver operating characteristic (LROC) studies involving single-slice and multislice image displays. The task was detection of Ga-avid lymphomas within single photon emission computed tomography (SPECT)-reconstructed transverse slices of a mathematical phantom, and the studies involved four reconstruction strategies: the filtered-backprojection (FBP) and ordered-subset expectation-maximization (OSEM) algorithms with two- and three-dimensional postreconstruction filtering. The human-observer data was drawn from studies performed by Wells et al. (2000), while multiclass versions of the nonprewhitening (NPW), channelized nonprewhitening (CNPW), and channelized Hotelling (CH) model observers, each capable of performing the tumor search task, were applied. The channelized observers were evaluated with multiple square-channel models and both with and without internal noise. For the multislice studies, two different capacities for integrating the slice information were also tested. The CH observer gave good quantitative agreement with the human data from both image-display studies when the internal-noise model was used. The CNPW observer performed similarly with the iterative strategies. Wells et al. had shown that human observers are imperfect integrators of multislice information, and this is characterized as increased internal noise with the model observers.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 découle