MétaCan
Menu
Retour à la cohorte
Enregistrement W4387613598 · doi:10.1002/mrm.29840

A community‐endorsed open‐source lexicon for contrast agent–based perfusion <scp>MRI</scp>: A consensus guidelines report from the <scp>ISMRM</scp> Open Science Initiative for Perfusion Imaging (OSIPI)

2023· article· en· W4387613598 sur OpenAlexfundno aff
Ben Dickie, Zaki Ahmed, Jonathan Arvidsson, Laura C. Bell, David L. Buckley, Charlotte Debus, Andriy Fedorov, Ralf Floca, Ingomar W. Gutmann, Rianne A. van der Heijden, Petra J. van Houdt, Steven Sourbron, Michael J. Thrippleton, C. Chad Quarles, Ina Kompan

Notice bibliographique

RevueMagnetic Resonance in Medicine · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueMRI in cancer diagnosis
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of Biomedical Imaging and BioengineeringDirectorate for Biological SciencesMedical Research CouncilBiotechnology and Biological Sciences Research CouncilEngineering and Physical Sciences Research CouncilMedical Research Council Canada
Mots-clésLexiconComputer scienceDocumentationSet (abstract data type)Contrast (vision)Artificial intelligenceNatural language processingProgramming language

Résumé

récupéré en direct d'OpenAlex

This manuscript describes the ISMRM OSIPI (Open Science Initiative for Perfusion Imaging) lexicon for dynamic contrast-enhanced and dynamic susceptibility-contrast MRI. The lexicon was developed by Taskforce 4.2 of OSIPI to provide standardized definitions of commonly used quantities, models, and analysis processes with the aim of reducing reporting variability. The taskforce was established in February 2020 and consists of medical physicists, engineers, clinicians, data and computer scientists, and DICOM (Digital Imaging and Communications in Medicine) standard experts. Members of the taskforce collaborated via a slack channel and quarterly virtual meetings. Members participated by defining lexicon items and reporting formats that were reviewed by at least two other members of the taskforce. Version 1.0.0 of the lexicon was subject to open review from the wider perfusion imaging community between January and March 2022, and endorsed by the Perfusion Study Group of the ISMRM in the summer of 2022. The initial scope of the lexicon was set by the taskforce and defined such that it contained a basic set of quantities, processes, and models to enable users to report an end-to-end analysis pipeline including kinetic model fitting. We also provide guidance on how to easily incorporate lexicon items and definitions into free-text descriptions (e.g., in manuscripts and other documentation) and introduce an XML-based pipeline encoding format to encode analyses using lexicon definitions in standardized and extensible machine-readable code. The lexicon is designed to be open-source and extendable, enabling ongoing expansion of its content. We hope that widespread adoption of lexicon terminology and reporting formats described herein will increase reproducibility within the field.

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)0,048
score de la tête « metaresearch » (Gemma)0,119
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCommunication savante, Science ouverte
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,989
Score d'incertitude au seuil0,253

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0480,119
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0040,004
Bibliométrie0,0180,009
Études des sciences et des technologies0,0020,004
Communication savante0,0110,008
Science ouverte0,0110,011
Intégrité de la recherche0,0080,008
Charge utile insuffisante (le modèle a refusé de juger)0,0160,035

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 Opus0,122
Tête enseignante GPT0,396
Écart entre enseignants0,274 · 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'étudeSans objet
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

Citations14
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMagnetic Resonance in MedicineMême sujetMRI in cancer diagnosisTravaux en français237 207