MétaCan
Menu
Retour à la cohorte
Enregistrement W4379600079 · doi:10.17879/freeneuropathology-2022-4121

5th Asian Oceanian Congress of Neuropathology along with the 5th Annual Conference of the Neuropathology Society of India - Meeting Abstracts, September 24–26, 2021

2022· article· en· W4379600079 sur OpenAlexaboutno aff
Neuropathology Society of India

Notice bibliographique

RevuePubMed · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueRadiomics and Machine Learning in Medical Imaging
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNeuropathologyLibrary scienceBrain researchMedicinePolitical sciencePsychologyMedical educationNeurosciencePathologyComputer scienceDisease

Résumé

récupéré en direct d'OpenAlex

was held in virtual mode on September 24-26, 2021, at National Institute of Mental Health and Neurosciences (NIMHANS), Bangalore, India, hosted by the Department of Neuropathology. It had 361 attendees from 20 countries from Asia and Oceania including India. The event brought together pathologists, clinicians and neuroscientists from all over Asia and Oceania with invited speakers from the USA, Germany and Canada. The program was very comprehensive and covered advances in the fields of neurooncology with emphasis on the upcoming WHO 2021 classification of CNS tumors, neuromuscular disorders, epilepsy and neurodegenerative disorders through key note addresses and symposia that featured 78 distinguished international and national faculty sharing their expertise. In addition, there were case-based learning modules, opportunities for paper presentations and poster sessions for young faculty and postgraduates with several awards for young investigators, best papers and posters. A highlight of the conference was a unique debate on the hot topic of the decade: Methylation-based classification of CNS tumors and a panel discussion on COVID-19. The participants were highly appreciative of the academic content.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,069
Score d'incertitude au seuil0,232

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0010,001
Communication savante0,0040,002
Science ouverte0,0010,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0690,027

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 Opus0,014
Tête enseignante GPT0,240
Écart entre enseignants0,226 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetRadiomics and Machine Learning in Medical ImagingTravaux en français237 207