MétaCan
Menu
Retour à la cohorte
Enregistrement W3128830162 · doi:10.1007/s12021-021-09510-1

Improved Segmentation of the Intracranial and Ventricular Volumes in Populations with Cerebrovascular Lesions and Atrophy Using 3D CNNs

2021· article· en· W3128830162 sur OpenAlexafffund
Emmanuel E. Ntiri, Melissa F. Holmes, Parisa Mojiri Forooshani, Joel Ramirez, Fuqiang Gao, Miracle Ozzoude, Sabrina Adamo, Christopher J.M. Scott, Dar Dowlatshahi, Jane M. Lawrence‐Dewar, Donna Kwan, Anthony E. Lang, Sean Symons, Robert Bartha, Stephen C. Strother, Jean‐Claude Tardif, Mario Masellis, Richard H. Swartz, Alan R. Moody, Sandra E. Black, Maged Goubran

Notice bibliographique

RevueNeuroinformatics · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueAcute Ischemic Stroke Management
Établissements canadiensOntario Brain InstituteUniversité de MontréalUniversity of TorontoWestern UniversityHeart and Stroke FoundationYork UniversityMontreal Heart InstituteToronto Western HospitalOttawa HospitalUniversity of OttawaThunder Bay Regional Research InstituteSunnybrook Health Science Centre
Organismes subventionnairesCanadian Institutes of Health ResearchCanadian Network for Research and Innovation in Machining Technology, Natural Sciences and Engineering Research Council of CanadaRéseau en Bio-Imagerie du QuebecOntario Brain InstituteHeart and Stroke Foundation of Canada
Mots-clésSegmentationSørensen–Dice coefficientArtificial intelligenceConvolutional neural networkNeuroimagingPattern recognition (psychology)Computer scienceAtrophyConditional random fieldHyperintensityRobustness (evolution)Magnetic resonance imagingImage segmentationMedicinePathologyRadiologyPsychologyNeuroscience

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,027
Score d'incertitude au seuil0,053

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,015
Tête enseignante GPT0,240
Écart entre enseignants0,225 · 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'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

Citations33
Publié2021
Routes d'admission2
Résumé présentnon

Explorer davantage

Même revueNeuroinformaticsMême sujetAcute Ischemic Stroke ManagementTravaux en français237 207