← Retour à la cohorte
Standardized Assessment of Automatic Segmentation of White Matter Hyperintensities and Results of the WMH Segmentation Challenge
Hugo J. Kuijf, Adrià Casamitjana, D. Louis Collins, Mahsa Dadar, Achilleas Georgiou, Mohsen Ghafoorian, Dakai Jin, April Khademi, Jesse Knight, Hongwei Li, Xavier Lladó, J. Matthijs Biesbroek, Miguel A. Cabra de Luna, Qaiser Mahmood, Richard McKinley, Alireza Mehrtash, Sébastien Ourselin, Bo‐yong Park, Hyunjin Park, Sang Hyun Park, Simon Pezold, Élodie Puybareau, Jeroen de Bresser, Letícia Rittner, Carole H. Sudre, Sergi Valverde, Verónica Vilaplana, Roland Wiest, Yongchao Xu, Ziyue Xu, Guodong Zeng, Jianguo Zhang, Guoyan Zheng, Rutger Heinen, Christopher Chen, Wiesje M. van der Flier, Frederik Barkhof, Max A. Viergever, Geert Jan Biessels, Simon Andermatt, Mariana Bento, Matt Berseth, Mikhail Belyaev, M. Jorge Cardoso
Notice bibliographique
RevueIEEE Transactions on Medical Imaging · 2019
Typearticle
Langueen
DomaineComputer Science
ThématiqueMedical Image Segmentation Techniques
Établissements canadiensUniversity of GuelphUniversity of British ColumbiaMontreal Neurological Institute and HospitalToronto Metropolitan UniversityUniversity of CalgaryMcGill University
Organismes subventionnairesNational Institute of Biomedical Imaging and BioengineeringNational Institute of Allergy and Infectious DiseasesNational Institutes of HealthHotchkiss Brain Institute, University of CalgaryUniversitair Medisch Centrum UtrechtInstitute for Basic ScienceDaegu Gyeongbuk Institute of Science and TechnologyUniversity College London Hospitals NHS Foundation TrustTélécom ParisMultiple Sclerosis SocietyMinistry of Advanced EducationSchweizerische Multiple Sklerose GesellschaftMinisterio de Ciencia y TecnologíaUniversity of British ColumbiaHuazhong University of Science and TechnologyNatural Sciences and Engineering Research Council of CanadaMinisterio de Economía y CompetitividadLeids Universitair Medisch CentrumNational Natural Science Foundation of ChinaNational Research Foundation of KoreaMinisterio de Educación, Cultura y DeporteSun Yat-sen UniversityCoordenação de Aperfeiçoamento de Pessoal de Nível SuperiorZonMwSchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen ForschungEuropean Regional Development FundKing's College LondonNational Research FoundationAlzheimer SocietyNational Institute for Health and Care ResearchNederlandse Organisatie voor Wetenschappelijk OnderzoekTechnische Universität MünchenCanadian Institutes of Health ResearchAlzheimer's SocietyInselspital, Universitätsspital BernHotchkiss Brain InstituteSkolkovo Institute of Science and TechnologyMinistry of Advanced Education and Skills DevelopmentBrigham and Women's HospitalNational University Health SystemNvidiaMinistry of EducationUniversity of BernUniversité Paris-SaclayUniversiteit UtrechtUniversität BaselUniversity of DundeeMcGill UniversityUniversitat Politècnica de CatalunyaSungkyunkwan UniversityUniversitat de GironaUniversity College LondonVrije Universiteit AmsterdamNational Science Foundation
Mots-clésSegmentationHyperintensityArtificial intelligenceRobustness (evolution)ScannerComputer scienceFluid-attenuated inversion recoveryPercentileHausdorff distancePattern recognition (psychology)Image segmentationSørensen–Dice coefficientComputer visionMathematicsMagnetic resonance imagingStatisticsMedicineRadiology
Résumé
OpenAlex consigne un résumé pour ce travail, mais il n'a pas pu être récupéré à l'instant.
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.
score de la tête « metaresearch » (Codex)0,023
score de la tête « metaresearch » (Gemma)0,047
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,023
Score d'incertitude au seuil0,124
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,023 | 0,047 |
| Méta-épidémiologie (sens strict) | 0,006 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,007 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,004 | 0,006 |
| Intégrité de la recherche | 0,005 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,007 |
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 Opus0,011
Tête enseignante GPT0,293
Écart entre enseignants0,282 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validation
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.
Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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
Citations301
Publié2019
Routes d'admission2
Résumé présentoui