Papers from the 17th Joint Workshop on Augmented Environments for Computer Assisted Interventions at MICCAI 2023: Guest Editors’ Foreword
Notice bibliographique
Résumé
Welcome to this Special Issue of Wiley's Healthcare Technology Letters (HTL) journal dedicated to the 2023 edition of the Augmented Environments for Computer-Assisted Interventions (AE-CAI), Computer Assisted and Robotic Endoscopy (CARE), and Context-aware Operating Theatres (OR 2.0) joint workshop.We are pleased to present the proceedings of this exciting scientific gathering held in conjunction with the Medical Image Computing and Computer-Assisted Interventions (MICCAI) conference on 8 October 2023 in Vancouver, British Columbia, Canada.Over the past several years, the satellite workshops and tutorials at MICCAI have experienced increased popularity.This year's workshop brings together three communities that joined forces for the first time in February 2020 for a MICCAI 2020 Joint Workshop, in light of our common interests in image guidance, navigation and visualization for computer-assisted interventions and have continued this joint venture legacy every year since.The 2023 edition of AE-CAI | CARE | OR 2.0 was a joint event between the series of MICCAI-affiliated AE-CAI workshops founded in 2006 and now on its 17th edition, the CARE workshop series, now on its 10th edition, and the OR 2.0 workshop now on its 5rd edition.This year's edition of the workshop featured 20 accepted submissions and reached more than 70 registrants, not including the members of the organizing and program committees, making AE-CAI | CARE | OR 2.0 one of the best received and best attended workshops with more than a decade-long standing tradition at MICCAI 2023.Computer-Assisted Interventions (CAI) is a field of research and practice, where medical interventions are supported by computer-based tools and methodologies.CAI systems enable more precise, safer, and less invasive interventional treatments by providing enhanced planning, real-time visualization, instrument guidance and navigation, as well as situation awareness and cognition.These research domains have been motivated by the development of medical imaging and its evolution from being primarily a diagnostic modality towards its use as a therapeutic and interventional aid, driven by the need to streamline the diagnostic and therapeutic processes via minimally
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,009 | 0,004 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,111 | 0,074 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».