Proposta e avaliação de um método de segmentação para Alberta Stroke Program Early CT Score
Notice bibliographique
Résumé
ResumoAcidente Vascular Cerebral (AVC) é uma das principais causas de morte e incapacitação no mundo, afetando em especial a população dos países de renda baixa e média.A Alberta Stroke Program Early CT Score (ASPECTS) é uma pontuação que quantiĄca a extensão das alterações isquêmicas em tomograĄas de vítimas de AVC, sendo amplamente utilizada como ferramenta de prognóstico e seleção de pacientes para tratamento da doença.Essa pontuação, no entanto, não é muito conĄável (baixa concordância entre avaliadores), de modo que métodos de diagnóstico assistido, ou até mesmo automático, podem melhorar sua conĄabilidade, e por consequência o tratamento da doença.Algumas ferramentas de avaliação automática de ASPECTS já foram desenvolvidas, tanto em contexto acadêmico, quanto em contexto comercial, e embora todas utilizem algum método de segmentação de regiões, essa etapa não é muito explorada nos trabalhos, sendo discutida nos trabalhos somente de forma superĄcial.Dado esse gap na literatura, o estudo aqui apresentado busca apresentar e avaliar um algoritmo de segmentação das regiões de ASPECTS, utilizando bases de tomograĄas e bibliotecas públicas.O método apresentado é dividido em quatro etapas: pré-processamento, registro global, registro local e visualização/avaliação, e foi avaliado de forma quantitativa e qualitativa.Na avaliação quantitativa obteve-se um coeĄciente de Dice médio de 0.6587, com desvio de 0.0595 e uma distância de Hausdorff média de 14.3903, com desvio de 4.4366 para as 10 tomograĄas avaliadas.Já na avaliação qualitativa, feita através da avaliação subjetiva (0 a 10) de um neurologista, obteve-se um escore médio de 8.44 com desvio de 0.726.Embora tenha apresentado resultados satisfatórios, o método desenvolvido ainda pode ser reĄnado, utilizando-se técnicas de pós-processamento, por exemplo.É importante também que o mesmo seja testado em um número maior de tomograĄas, a Ąm de aumentar a robustez dos resultados obtidos.
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 | 0,013 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,011 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 ».