MétaCan
Menu
Retour à la cohorte
Enregistrement W2779764073 · doi:10.1016/j.schres.2017.11.038

Can we accurately classify schizophrenia patients from healthy controls using magnetic resonance imaging and machine learning? A multi-method and multi-dataset study

2017· article· en· W2779764073 sur OpenAlexafffund
Julie L. Winterburn, Aristotle N. Voineskos, Gabriel A. Devenyi, Eric Plitman, Camilo de la Fuente‐Sandoval, Nikhil Bhagwat, Ariel Graff‐Guerrero, Jo Knight, M. Mallar Chakravarty

Notice bibliographique

RevueSchizophrenia Research · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced Neuroimaging Techniques and Applications
Établissements canadiensMcGill UniversityDouglas Mental Health University InstituteUniversity of TorontoCentre for Addiction and Mental Health
Organismes subventionnairesNational Institute of Mental HealthAlzheimer's SocietyConsejo Nacional de Ciencia y TecnologíaWeston Brain InstituteCentre for Addiction and Mental Health FoundationCanadian Institutes of Health ResearchNational Alliance for Research on Schizophrenia and DepressionAlzheimer SocietyNatural Sciences and Engineering Research Council of CanadaOntario Mental Health FoundationSistema Nacional de InvestigadoresMichael J. Fox Foundation for Parkinson's Research
Mots-clésSupport vector machineArtificial intelligenceMachine learningLinear discriminant analysisPattern recognition (psychology)Computer scienceLogistic regressionCross-validationData setRegressionMagnetic resonance imagingFeature (linguistics)MathematicsStatisticsMedicineRadiology

Résumé

récupéré en direct d'OpenAlex
Aucun résumé dans les sources couvertes. Son absence est consignée, pas traitée comme un négatif.

Aucun résumé. Ce n'est pas une lacune de cette base de données : OpenAlex n'en a pas non plus. 23,3 % de la base est dans cet état, et le tri y repère MOITIÉ moins de métarecherche ; l'absence est donc un biais mesuré, et non un champ manquant.

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)0,013
score de la tête « metaresearch » (Gemma)0,017
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,066

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,017
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,003
Science ouverte0,0020,002
Intégrité de la recherche0,0030,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,241
Tête enseignante GPT0,479
Écart entre enseignants0,239 · 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'étudeObservationnel
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

Citations86
Publié2017
Routes d'admission2
Résumé présentnon

Explorer davantage

Même revueSchizophrenia ResearchMême sujetAdvanced Neuroimaging Techniques and ApplicationsTravaux en français237 207