MétaCan
Menu
Retour à la cohorte
Enregistrement W2803959545 · doi:10.1016/j.neuroimage.2018.09.081

Automatic segmentation of the spinal cord and intramedullary multiple sclerosis lesions with convolutional neural networks

2018· preprint· en· W2803959545 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueNeuroImage · 2018
Typepreprint
Langueen
DomaineEngineering
ThématiqueMedical Imaging and Analysis
Établissements canadiensUniversity of TorontoMontreal Neurological Institute and HospitalUniversité de MontréalPolytechnique Montréal
Organismes subventionnairesNational Institute of Neurological Disorders and StrokeNational Eye InstituteFonds de Recherche du Québec - SantéCanadian Institutes of Health ResearchNational Multiple Sclerosis SocietyGenentechCentre National de la Recherche ScientifiqueSvenska Sällskapet för Medicinsk ForskningCanada Foundation for InnovationMinistero della SaluteNational Institutes of HealthCanada Research ChairsIntramural Research ProgramAgence Nationale de la RechercheFondation Aix-Marseille UniversiteFondation pour l'Aide à la Recherche sur la Sclérose en PlaquesFonds de recherche du Québec – Nature et technologiesStockholms Läns LandstingWings for LifeInstitut de Valorisation des DonnéesFondazione Italiana Sclerosi MultiplaNational Institute for Health and Care ResearchTeva Pharmaceutical IndustriesInternational Society of Regulatory Toxicology and PharmacologyNatural Sciences and Engineering Research Council of CanadaBiogenU.S. Department of DefenseSanofiEMD Serono
Mots-clésSpinal cordSegmentationMedicineMultiple sclerosisConvolutional neural networkCordLesionArtificial intelligencePattern recognition (psychology)Computer sciencePathologySurgery

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,462
Score d'incertitude au seuil0,541

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,032
Tête enseignante GPT0,245
Écart entre enseignants0,213 · 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