Enregistrement W4387225571 · doi:10.1007/978-3-031-43898-1

Medical Image Computing and Computer Assisted Intervention – MICCAI 2023

2023· book· en· W4387225571 sur OpenAlexafffund

Notice bibliographique

RevueLecture notes in computer science · 2023

Typebook

Langueen

DomaineMedicine

ThématiqueRadiomics and Machine Learning in Medical Imaging

Établissements canadiensUniversity of British ColumbiaQueen's University

Organismes subventionnairesNIH Clinical CenterNational Institutes of HealthShanghaiTech UniversityRheinische Friedrich-Wilhelms-Universität BonnNanjing UniversityUniversité de RouenUniversity of North Carolina at Chapel HillNanjing University of Science and TechnologyBeijing Institute of TechnologyTechnische Universität MünchenBen-Gurion University of the NegevFudan UniversityChinese Academy of SciencesUniversity of TwenteNorthwestern Polytechnical UniversityKing's College LondonDaegu Gyeongbuk Institute of Science and TechnologyWashington University in St. LouisImperial College LondonNorthwestern UniversityYork UniversityBaiduTechnische Universiteit DelftTencentÉcole de technologie supérieureUniversity of PittsburghNational University of SingaporeRensselaer Polytechnic InstituteRégion NormandieMemorial Sloan-Kettering Cancer CenterJohns Hopkins UniversityUniversity College LondonPeking UniversityAuris HealthBeihang UniversityMassachusetts General HospitalCase Western Reserve UniversityHong Kong University of Science and TechnologyUniversity of New South WalesArizona State UniversitySorbonne UniversitéConcordia UniversityNvidiaCentral South UniversityUniversity of Texas at ArlingtonColorado School of MinesUniversity of California, Santa Cruz

Mots-clésComputer scienceMultimediaIntervention (counseling)Human–computer interactionMedicineNursing

DOI10.1007/978-3-031-43898-1

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 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)0,002

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: aucune

GenreSignal candidat: Autre · Signal consensuel: Autre

Score de désaccord entre enseignants0,056

Score d'incertitude au seuil0,187

Scores du classifieur distillé par catégorie (deux têtes)

Catégorie	Codex	Gemma
Métarecherche	0,001	0,002
Méta-épidémiologie (sens strict)	0,002	0,001
Méta-épidémiologie (sens large)	0,001	0,001
Bibliométrie	0,003	0,003
Études des sciences et des technologies	0,000	0,001
Communication savante	0,002	0,002
Science ouverte	0,001	0,002
Intégrité de la recherche	0,001	0,003
Charge utile insuffisante (le modèle a refusé de juger)	0,056	0,037

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 Opus0,012

Tête enseignante GPT0,312

Écart entre enseignants0,300 · 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

Publié2023

Routes d'admission2

Résumé présentnon

Télécharger la notice (JSON)Signaler un problème avec cette notice

Explorer davantage

Même revueLecture notes in computer science→Même sujetRadiomics and Machine Learning in Medical Imaging→Travaux en français237 207→