MétaCan
Menu
Retour à la cohorte
Enregistrement W3211120245 · doi:10.5281/zenodo.5046661

ExploreASL/ExploreASL: ExploreASL v1.7.0

2021· article· en· W3211120245 sur OpenAlexaff
Henk Mutsaerts, Michael Stritt, Jan Petr, Mathijs Dijsselhof, MauricePasternak, Beatriz Padrela, luislorenzini, Pieter Vandemaele, yevap, P. Groot

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2021
Typearticle
Langueen
DomaineComputer Science
ThématiqueTopic Modeling
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésComputer science

Résumé

récupéré en direct d'OpenAlex

ExploreASL v1.7.0 Versions included software Versions included & used third-party tools (see /External/README_SPM.txt): SPM12 7219 CAT12 r1615 LST 2.0.15 Feature improvements Issue #455: Automatically compare results of TestDataSets with a saved reference results Issues #480, #623, #649, #661: Restructure x: x.opts (input arguments and their derivatives), x.dir (directories), x.settings (mostly booleans for pipeline settings), x.dataset (dataset related fields), x.external, ... Issue #572: Restructure JSON handling during NiFTI to BIDS import Issue #580: Add parsing of Gold Standard Phantoms ASL-DRO Issues #588, #612: ExploreASL reads folders and automatically searches for sourceStructure, studyPar and dataPar JSON files Issue #600: Put participants.tsv to the derivatives folder during import to legacy ExploreASL format Issue #602: Remove option for cloning the NIfTI output after import as BIDS directory is a read-only archive Issue #603: Give ExploreASL version in JSON files after BIDS to Legacy conversion Issue #631: Remove repeated warnings Issue #632: Add comparison script for untouched NIfTI comparison Issue #643: bids.layout: avoid printing the same warning repetitively in case multiple scans in a data set have the same issue Issue #656: Improve warnings (data loading) Bug fixes Issue #583: Proper testing of flavors using ExploreASL_Master Issue #584: Print the subject name depending on the existence of its definition in x.SUBJECT to avoid crashes for error reporting in the population module Issue #586: Avoid crashing xASL_adm_GetPopulationSessions if no sessions are found Issue #591: MultiTE import puts TE before PLD in the time series and corrects the JSON output Issue #618: Add session name to all M0Check and ASLCheck QC files in the Population folder Issue #620: xASL_adm_GzipAllFiles: Allow spaces in an input path for macOS/Linux Issue #625: Fix bug related to session format Issue #627: Remove a BIDS fiels and BIDS2Legacy should crash and show you why it crashed Issue #628: Fix parsing sessions and runs for converting rawdata to derivatives Issue #630: Move creation of population folder Issue #646: Improve BIDS warnings Issue #652: xASL_vis_CreateVisualFig: allow empty overlays Issue #659: xASL_stat_PrintStats: Fix visits bug (legacy format) Issue #655: xASL_adm_GetPopulationSessions gave incorrect warnings Issue #666: Warning when multiple dataPar*.json or studyPar*.json or sourcestructure*.json are present Issue #670: Fix warnings and behavior of ExploreASL_Initialize Other improvements Issue #465: Add projects to acknowledgments Issue #615: Add change log to documentation Issue #637: Restyle ExploreASL change log

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 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)0,004
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Logiciel · Signal consensuel: Logiciel
Score de désaccord entre enseignants0,311
Score d'incertitude au seuil0,983

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,013
Méta-épidémiologie (sens strict)0,0060,003
Méta-épidémiologie (sens large)0,0030,005
Bibliométrie0,0040,003
Études des sciences et des technologies0,0020,001
Communication savante0,0070,006
Science ouverte0,0070,007
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,3110,271

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 Opus0,075
Tête enseignante GPT0,249
Écart entre enseignants0,174 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreLogiciel

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

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)Même sujetTopic ModelingTravaux en français237 207