Response to Letter to the Editor
Notice bibliographique
Résumé
In Reply Thank you for your interest in our cerebellopontine angle lipoma case report. You are correct that either CT or MR can be used to diagnose lipomas. Both are not required. Lipomas have a negative Hounsfield unit measure on CT. On MR, lipomas are T1 hyperintense, T2 variable intensity but usually hyperintense, do not enhance following contrast, and demonstrate signal loss on both T1 and T2 with fat saturation. You are correct that using fat saturation on the postcontrast T1 sequences is more convenient for assessing enhancement. However, careful expert comparison of corresponding slices in multiple planes of the precontrast T1 sequences without fat saturation to the postcontrast T1 sequences without fat saturation can also exclude enhancement. Matthew G. Crowson, M.D. Department of Otolaryngology–Head and Neck Surgery University of Toronto Sunnybrook Health Sciences Centre Toronto, Ontario, Canada Sean P. Symons, M.P.H., M.D., F.R.C.P.C., D.A.B.R. Department of Otolaryngology–Head and Neck Surgery University of Toronto Sunnybrook Health Sciences Centre Toronto, Ontario, Canada Division of Neuroradiology Department of Medical Imaging University of Toronto Sunnybrook Health Sciences Centre Toronto, Ontario, Canada Joseph M. Chen, M.D., F.R.C.S.C. Department of Otolaryngology–Head and Neck Surgery University of Toronto Sunnybrook Health Sciences Centre Toronto Ontario, Canada [email protected]
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 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,026 | 0,028 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,037 | 0,023 |
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 ».