Datasets of "Influence of contrast and texture based image modifications on the performance and attention shift of U-Net models for brain tissue segmentation" Part 7 of 14
Notice bibliographique
Résumé
This dataset is part of the work https://www.frontiersin.org/articles/10.3389/fnimg.2022.1012639/full. This is the seventh part of 14 parts of the full dataset (7/14). It contains 3 sets of simulated T1 weighted brain volumes in 3 simulated scanning sequences of spin-echo. The parameters of simulated scanning sequences are respectively repetition time (TR) = 300ms, 400ms, 500ms, and echo time (TE) = 40ms. Under <strong>each</strong> simulated scanning sequence, there are 500 brain volumes. The segmentation labels for each tissue are contained in the first part which you may find at https://zenodo.org/record/7294916 The simulation process of this dataset involves two processes. The first is to simulate one brain under different simulated scanning sequences. For this, we use BrainWeb https://brainweb.bic.mni.mcgill.ca/cgi/bw/submit_request. In the custom setting, we use spin-echo and apply image artifact the same as the default setting of this page. The second process is to transform each simulated brain from BrainWeb to different anatomical shapes. We use Human Connectome Project (HCP) 1200 subject data https://www.humanconnectome.org/study/hcp-young-adult and randomly select 500 brains as anatomical references. Other details of this dataset can be found at https://www.frontiersin.org/articles/10.3389/fnimg.2022.1012639/full where the details of the data construction are discussed. All parts of the whole dataset can be found at: Part 1: https://zenodo.org/record/7294916 Part 2: https://zenodo.org/record/7389550 Part 3: https://zenodo.org/record/7390382 Part 4: https://zenodo.org/record/7390741 Part 5: https://zenodo.org/record/7391205 Part 6: https://zenodo.org/record/7393060 Part 7: https://zenodo.org/record/7393174 Part 8: https://zenodo.org/record/7393347 Part 9: https://zenodo.org/record/7394250 Part 10: https://zenodo.org/record/7394667 Part 11: https://zenodo.org/record/7394939 Part 12: https://zenodo.org/record/7395031 Part 13: https://zenodo.org/record/7395620 Part 14: https://zenodo.org/record/7395622
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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 tête enseignante, 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 ».