MétaCan
Menu
← Retour à la cohorte
Enregistrement W4390866104

The Image Biomarker Standardization Initiative: Standardized convolutional filters for quantitative radiomics Authors and affiliations

2023· preprint· en· W4390866104 sur OpenAlexfundno aff
P. Whybra, Alex Zwanenburg, Vincent Andrearczyk, Roger Schaer, Aditya Apte, Alexandre Ayotte, Bhakti Baheti, Spyridon Bakas, Andrea Bettinelli, Ronald Boellaard, Luca Boldrini, Irène Buvat, Gary Cook, Florian Dietsche, N. Dinapoli, Hubert S. Gabryś, Vicky Goh, Matthias Gückenberger, Mathieu Hatt, Mahdi Hosseinzadeh, Aditi Iyer, Jacopo Lenkowicz, Amy Loutfi, Steffen Löck, Francesca Marturano, Olivier Morin, Christophe Nioche, Fanny Orlhac, Sarthak Pati, Arman Rahmim, Seyed Masoud Rezaeijo, Christopher G Rookyard, Mohammad R. Salmanpour, Andreas Schindele, Isaac Shiri, Emiliano Spezi, Stephanie Tanadini‐Lang, Florent Tixier, Taman Upadhaya, Vincenzo Valentini, J M van Griethuysen, Fereshteh Yousefirizi, Habib Zaidi, Henning Müller, Martin Vallières, Adrien Depeursinge, Fondazione Policlinico

Notice bibliographique

RevueHAL (Le Centre pour la Communication Scientifique Directe) · 2023
Typepreprint
Langueen
DomaineMedicine
ThématiqueRadiomics and Machine Learning in Medical Imaging
Établissements canadiensnon disponible
Organismes subventionnairesCentre For Medical Engineering, King’s College LondonEngineering and Physical Sciences Research CouncilNatural Sciences and Engineering Research Council of CanadaNational Cancer InstituteNational Science FoundationCancer Research UKCanadian Institute for Advanced ResearchSchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen ForschungKing's College London
Mots-clésRadiomicsStandardizationBiomarkerComputer scienceMedical physicsArtificial intelligenceMedicineBiology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Eight types of convolutional filters were standardized for radiomics analyses. Key Results• Mean filters, Laplacian-of-Gaussian filters, Laws kernels, Gabor kernels, as well as separable and non-separable wavelets (including decomposed forms) are now welldefined and standardized for radiomic analyses.• Applying a filter to an image creates a response map.Thirty-three reference response maps and 323 reference feature values computed from response maps were identified.• A web-based tool is provided for validating filter implementations in radiomics software packages.

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)0,008
score de la tête « metaresearch » (Gemma)0,020
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,051

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,020
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0010,001
Communication savante0,0020,003
Science ouverte0,0030,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0150,012

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 Opus0,033
Tête enseignante GPT0,320
Écart entre enseignants0,287 · 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
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
Publié2023
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueHAL (Le Centre pour la Communication Scientifique Directe)→Même sujetRadiomics and Machine Learning in Medical Imaging→Travaux en français237 207→