MétaCan
Menu
Retour à la cohorte
Enregistrement W4281263011 · doi:10.1016/j.compbiomed.2022.105571

Eight pruning deep learning models for low storage and high-speed COVID-19 computed tomography lung segmentation and heatmap-based lesion localization: A multicenter study using COVLIAS 2.0

2022· article· en· W4281263011 sur OpenAlexaff
Mohit Agarwal, Sushant Agarwal, Luca Saba, Gian Luca Chabert, Suneet Kumar Gupta, Alessandro Carriero, Alessio Paschè, Pietro Danna, Armin Mehmedović, Gavino Faa, Saurabh RamBihariLal Shrivastava, Kanishka Jain, Harsh Jain, Tanay Jujaray, Inder M. Singh, Monika Turk, Paramjit S. Chadha, Amer M. Johri, Narendra N. Khanna, Sophie Mavrogeni, John R. Laird, David Sobel, Martin Miner, Antonella Balestrieri, Petros P. Sfikakis, George Tsoulfas, Durga Prasanna Misra, Vikas Agarwal, George D. Kitas, Jagjit S. Teji, Mustafa Al-Maini, Surinder Dhanjil, Andrew Nicolaides, Aditya Sharma, Vijay Rathore, Mostafa Fatemi, Azra Alizad, Pudukode R. Krishnan, Rajanikant R Yadav, Nagy Frence, Zsigmond Tamás Kincses, Zoltán Ruzsa, Subbaram Naidu, Klaudija Višković, Manudeep Kalra, Jasjit S. Suri

Notice bibliographique

RevueComputers in Biology and Medicine · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 diagnosis using AI
Établissements canadiensAllerGenQueen's University
Organismes subventionnairesnon disponible
Mots-clésPruningSegmentationParticle swarm optimizationPattern recognition (psychology)Artificial intelligenceDeep learningComputer scienceDifferential evolutionAlgorithmBiology

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 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 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 enseignants0,575
Score d'incertitude au seuil0,830

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,050
Tête enseignante GPT0,360
Écart entre enseignants0,310 · 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.

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

Citations54
Publié2022
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueComputers in Biology and MedicineMême sujetCOVID-19 diagnosis using AITravaux en français237 207