Calgary Preschool magnetic resonance imaging (MRI) dataset
Notice bibliographique
Résumé
The Calgary Preschool MRI Dataset in the Developmental Neuroimaging Lab at the University of Calgary uses magnetic resonance imaging (MRI) techniques to study brain structure and function in early childhood [1-3]. The dataset aims to characterise brain development in early childhood (2-8 years), and to understand links to cognitive and behavioral development, as well as provide a baseline from which to identify atypical development in children with diseases, disorders, or brain injuries. MRI data are provided for 126 children (61 males, 65 females). Children ranged from 1.95 to 6.22 years (mean = 3.98 ± 1.06 years) at the time of their first scan and were initially scanned at six month intervals, and now continue to be followed annually (1-20 scans per child, 431 total datasets; datasets do not always have all scan modalities available). All MRI scans were acquired on the same General Electric 3T MR750w system and 32-channel head coil (GE, Waukesha, WI) at the Alberta Children's Hospital in Calgary, Canada. The MRI protocols provided in this dataset include: T1-weighted images acquired using a FSPGR BRAVO sequence; arterial spin labeling (ASL) images acquired with the vendor supplied pseudo continuous 3D ASL sequence; diffusion tensor imaging data acquired using single shot spin echo echo-planar imaging; and passive viewing resting state functional MRI data acquired with a gradient-echo echo-planar imaging sequence.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,024 | 0,020 |
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 ».