Notice bibliographique
Résumé
Keine andere Untersuchungstechnik hat die Bildgebung so drastisch verändert wie die Computertomographie. Sie ist schnell, objektiv, robust, universell und reproduzierbar. Vom Adenom bis zur Zyste, kaum eine Leberläsion lässt sich nicht in der CT diagnostizieren. Vor allem mittels Aufnahmen in verschiedenen Perfusionphasen lassen sich – von wenigen Ausnahmen abgesehen – fokale Leberläsionen charakterisieren. Gallenwegsdarstellung, Dual-energy und Perfusionsuntersuchung erweiteren sogar das Spektrum der Diagnostik und liefern neben Morphologie auch wichtige Funktionsparameter, vor allem bei onkologischen Fragestellungen. Seit 40 Jahren immer wieder einmal tot geglaubt, hat die CT wiederholt die Führung übernommen und stellt heute eine tragende, unverzichtbare Säule der Leberbildgebung dar. Lernziele: Der Vortrag soll dazu beitragen, den Stellenwert der CT bei fokalen Leberläsionen und diffusen Lebererkrankungen zu verstehen, die CT sinnvoll im diagnostischen Algorithmus neben US und MRT einzusetzen, das Potenzial neuer Untersuchungstechniken in der CT der Leber zu erkennen Korrespondierender Autor: Rogalla P University Health Network, Department of Medical Imaging, 585 University Avenue, NCSB-1C547, M5G 2N2, Toronto, Ontario E-Mail: patrik.rogalla@uhn.ca
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 | 0,009 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,007 |
| Communication savante | 0,005 | 0,011 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,006 | 0,013 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,005 |
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 ».