MétaCan
Menu
← Retour à la cohorte
Enregistrement W4301973583

Liver Imaging Reporting and Data System: an expert consensus statement

2017· article· en· W4301973583 sur OpenAlexaboutno aff
Elsayes KM, Kielar AZ, Agrons MM, J Szklaruk, A Tang, Bashir MR, Mitchell DG, Do RK, Kathryn J. Fowler, V Chernyak, Sirlin CB

Notice bibliographique

RevueDOAJ (DOAJ: Directory of Open Access Journals) · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueRadiomics and Machine Learning in Medical Imaging
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésStatement (logic)Computer scienceData scienceMedical physicsData miningMedicinePolitical scienceLaw
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Khaled M Elsayes,1 Ania Z Kielar,2 Michelle M Agrons,3 Janio Szklaruk,1 An Tang,4 Mustafa R Bashir,5 Donald G Mitchell,6 Richard K Do,7 Kathryn J Fowler,8 Victoria Chernyak,9 Claude B Sirlin10 1Department of Diagnostic Radiology, The University of Texas MD Anderson Cancer Center, Houston, TX, USA; 2Department of Diagnostic Radiology, University of Ottawa, Ottawa, ON, Canada; 3Department of Diagnostic Radiology, Baylor College of Medicine, Houston, TX, USA; 4Department of Radiology, Radio-Oncology and Nuclear Medicine, Université de Montréal, Montreal, QC, Canada; 5Department of Diagnostic Radiology, Duke University School of Medicine, Durham, NC, 6Department of Diagnostic Radiology, Thomas Jefferson University, Philadelphia, PA, 7Department of Radiology, Memorial Sloan Kettering Cancer Center, New York, NY, 8Mallinckrodt Institute of Radiology, Washington University in Saint Louis, Saint Louis, MO, 9Department of Radiology Albert Einstein College of Medicine, Bronx, New York, NY, 10Department of Diagnostic Radiology, University of California, San Diego, CA, USA Abstract: The increasing incidence and high morbidity and mortality of hepatocellular carcinoma (HCC) have inspired the creation of the Liver Imaging Reporting and Data System (LI-RADS). LI-RADS aims to reduce variability in exam interpretation, improve communication, facilitate clinical therapeutic decisions, reduce omission of pertinent information, and facilitate the monitoring of outcomes. LI-RADS is a dynamic process, which is updated frequently. In this article, we describe the LI-RADS 2014 version (v2014), which marks the second update since the initial version in 2011. Keywords: hepatocellular carcinoma, imaging, reporting, cirrhosis, hyperenhancement washout

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)0,223
score de la tête « metaresearch » (Gemma)0,192
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,223
Score d'incertitude au seuil0,958

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,2230,192
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0060,009
Bibliométrie0,0080,007
Études des sciences et des technologies0,0040,004
Communication savante0,0100,007
Science ouverte0,0170,008
Intégrité de la recherche0,0180,022
Charge utile insuffisante (le modèle a refusé de juger)0,0050,006

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 Opus0,374
Tête enseignante GPT0,616
Écart entre enseignants0,242 · 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'étudeThéorique ou conceptuel
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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDOAJ (DOAJ: Directory of Open Access Journals)→Même sujetRadiomics and Machine Learning in Medical Imaging→Travaux en français237 207→