Enregistrement W2795824182 · doi:10.1016/j.neuroimage.2018.08.042

Reproducible evaluation of classification methods in Alzheimer's disease: Framework and application to MRI and PET data

2018· article· en· W2795824182 sur OpenAlexfundno aff

Jorge Samper‐Gonzàlez, Ninon Burgos, Simona Bottani, Sabrina Fontanella, Pascal Lu, Arnaud Marcoux, Alexandre Routier, Jérémy Guillon, Michael Bacci, Junhao Wen, Anne Bertrand, Hugo Bertin, Marie-Odile Habert, Stanley Durrleman, Theodoros Evgeniou, Olivier Colliot

Notice bibliographique

RevueNeuroImage · 2018

Typearticle

Langueen

DomaineMedicine

ThématiqueDementia and Cognitive Impairment Research

Établissements canadiensnon disponible

Organismes subventionnairesNational Institute on AgingNational Institute of Biomedical Imaging and BioengineeringCanadian Institutes of Health ResearchEuropean Research CouncilSeventh Framework ProgrammeHorizon 2020 Framework ProgrammeGenentechNational Institutes of HealthInstitut de Cardiologie de MontréalUniversité Pierre et Marie CurieEisaiServierU.S. Department of DefenseEli Lilly and CompanyLundbeckfondenElanF. Hoffmann-La RocheAgence Nationale de la RechercheAssistance publique-Hôpitaux de ParisDoD Alzheimer's Disease Neuroimaging InitiativePfizerBioClinicaBiogenNovartis Pharmaceuticals CorporationBristol-Myers SquibbMerckAlzheimer's Drug Discovery FoundationGE HealthcareAlzheimer's Disease Neuroimaging InitiativeJohnson and JohnsonMeso Scale DiagnosticsIXICOTakeda Pharmaceutical CompanyAbbVieFujirebio EuropeAlzheimer's Association

Mots-clésComputer scienceArtificial intelligencePreprocessorSupport vector machineRandom forestPattern recognition (psychology)Feature extractionMachine learningFeature (linguistics)SmoothingData miningComputer vision

DOI10.1016/j.neuroimage.2018.08.042

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)0,088

score de la tête « metaresearch » (Gemma)0,171

Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated

Catégories candidatesMétarecherche

Catégories consensuellesaucune

DomaineSignal candidat: Reproductibilité · Signal consensuel: aucune

Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune

GenreSignal candidat: Méthodes · Signal consensuel: Méthodes

Score de désaccord entre enseignants0,912

Score d'incertitude au seuil0,466

Scores du classifieur distillé par catégorie (deux têtes)

Catégorie	Codex	Gemma
Métarecherche	0,088	0,171
Méta-épidémiologie (sens strict)	0,001	0,001
Méta-épidémiologie (sens large)	0,002	0,002
Bibliométrie	0,005	0,003
Études des sciences et des technologies	0,002	0,002
Communication savante	0,006	0,002
Science ouverte	0,003	0,004
Intégrité de la recherche	0,004	0,002
Charge utile insuffisante (le modèle a refusé de juger)	0,001	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.

Tête enseignante Opus0,161

Tête enseignante GPT0,502

Écart entre enseignants0,340 · 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