MétaCan
Menu
Retour à la cohorte
Enregistrement W4386285703 · doi:10.1148/ryai.230034

The RSNA Cervical Spine Fracture CT Dataset

2023· article· en· W4386285703 sur OpenAlexaff
Hui Ming Lin, Errol Colak, Tyler Richards, Felipe Kitamura, Luciano M. Prevedello, Jason F. Talbott, Robyn L. Ball, Ekim Gümeler, Kristen W. Yeom, Mohammad Hamghalam, Amber L. Simpson, Jasna Strika, Deniz Bulja, Salita Angkurawaranon, Almudena Pérez Lara, María Isabel Gómez-Alonso, Johanna Ortiz Jiménez, Jacob Peoples, Meng Law, Hakan Doğan, Emre Altınmakas, Ayda Youssef, Yasser Mahfouz, Jayashree Kalpathy–Cramer, Adam E. Flanders, Nitamar Abdala, Michael Brassil, Priscila Crivellaro, Allison K. Duh, Fam Ekladious, Eduardo Moreno Júdice de Mattos Farina, Mohamed R. Gemae, Albert Huang, Omar Islam, Nedim Kruscica, Michael V. Kushdilian, Robin Lee, Zamir Merali, Robert B. Moreland, Shane Natalwalla, Oleksandra Samorodova, Baskaran Sundaram, Suradech Suthiphosuwan, Mónica Tafur, Donatella Tampieri, Jefferson R. Wilson, Christopher D. Witiw, Adil Zia, Gennaro D’Anna, Allison Grayev, Fátima Hierro, Michael D. Hollander, Ichiro Ikuta, Christie M. Lincoln, Lubdha M. Shah, Achint K. Singh, Nathan S. Doyle, Vikas Agarwal, Katie Bailey, Gagandeep Choudhary, Sammy Chu, Charlotte Chung, A.S.D. Costacurta, Muhammad Danial, Irene Dixe de Oliveira Santo, Venkata Naga Srinivas Dola, Kuang-chun Jim Hsieh, Adham Khalil, Neil Lall, Laurent Létourneau‐Guillon, David Russell Malin, Jeff Mason, Fanny Morón, Jaya Nath, Xuan V. Nguyen, Jacob W. Ormsby, Mark Oswood, Ö. Özsarlak, Samuel N Rogers, Jeffrey D. Rudie, Anousheh Sayah, Eric D. Schwartz, Loizos Siakallis, Neil Horner

Notice bibliographique

RevueRadiology Artificial Intelligence · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueMedical Imaging and Analysis
Établissements canadiensKingston Health Sciences CentreQueen's UniversityUniversity of TorontoSt. Michael's Hospital
Organismes subventionnairesGenentechNational Institutes of HealthNational Cancer InstituteRadiological Society of North America
Mots-clésCervical spineMedicineNuclear medicineFracture (geology)RadiologyGeologySurgeryGeotechnical engineering

Résumé

récupéré en direct d'OpenAlex

“Just Accepted” papers have undergone full peer review and have been accepted for publication in Radiology: Artificial Intelligence. This article will undergo copyediting, layout, and proof review before it is published in its final version. Please note that during production of the final copyedited article, errors may be discovered which could affect the content. ©RSNA, 2023

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)0,001
score de la tête « metaresearch » (Gemma)0,006
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: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,048
Score d'incertitude au seuil0,096

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0040,003
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0030,001
Intégrité de la recherche0,0030,001
Charge utile insuffisante (le modèle a refusé de juger)0,0180,026

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 Opus0,031
Tête enseignante GPT0,301
Écart entre enseignants0,270 · 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
GenreJeu de données

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

En bref

Citations26
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRadiology Artificial IntelligenceMême sujetMedical Imaging and AnalysisTravaux en français237 207