MétaCan
Menu
Retour à la cohorte
Enregistrement W317587060 · doi:10.1007/0-306-47015-2_46

High-Performance Computing for Computer-Aided Diagnosis of Breast Cancer

2005· book-chapter· en· W317587060 sur OpenAlexaffabout
Rangaraj M. Rangayyan

Notice bibliographique

RevueKluwer Academic Publishers eBooks · 2005
Typebook-chapter
Langueen
DomaineComputer Science
ThématiqueAI in cancer detection
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésBreast cancerContrast (vision)Computer scienceMammographyArtificial intelligenceIdentification (biology)Contrast enhancementImage qualityPattern recognition (psychology)Image processingComputer-aided diagnosisComputer visionImage (mathematics)CancerMedicineRadiologyInternal medicineMagnetic resonance imaging

Résumé

récupéré en direct d'OpenAlex

Mammographic images may be digitally processed to improve their quality, to identify significant signs and quantify them, and to analyze large volumes of mammograms for identification of suspicious cases. We have developed image processing techniques for enhancement of mammograms to improve the detectability of diagnostic= features. One of our approaches is based on the use of adaptive neighbourhoods and region growing.=A0 This method uses regions corresponding to image= features to derive the output image. A functional contrast enhancement step is included in the method for selective contrast enhancement. Tests with difficult cases and cases of interval cancer from the Alberta Program for the Early Detection of Breast Cancer have demonstrated that the techniques can lead to improved diagnosis of breast cancer at earlier stages.

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 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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,869
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,002
Science ouverte0,0030,001
Intégrité de la recherche0,0010,002
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 Opus0,021
Tête enseignante GPT0,248
Écart entre enseignants0,228 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2005
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueKluwer Academic Publishers eBooksMême sujetAI in cancer detectionTravaux en français237 207