MétaCan
Menu
Retour à la cohorte
Enregistrement W4412196595 · doi:10.1016/j.clinimag.2025.110541

Corrigendum to “Diversity, inclusivity and traceability of mammography datasets used in development of Artificial Intelligence technologies: a systematic review” [Clin Imaging 118 (2025) 110369]

2025· erratum· en· W4412196595 sur OpenAlexaff
Elinor Laws, Joanne Palmer, Joseph Alderman, Ojasvi Sharma, Victoria Ngai, Thomas S. Salisbury, Sumiya Ahmed, Gagandeep Sachdeva, Sonam Vadera, Bilal A. Mateen, Rubeta Matin, Stephanie Kuku, Melanie Calvert, Jacqui Gath, Darren Treanor, Melissa D. McCradden, Maxine Mackintosh, Judy Wawira Gichoya, Hari Trivedi, Alastair K. Denniston, Xiaoxuan Liu

Notice bibliographique

RevueClinical Imaging · 2025
Typeerratum
Langueen
DomaineMedicine
ThématiqueRadiomics and Machine Learning in Medical Imaging
Établissements canadiensSickKids Foundation
Organismes subventionnairesnon disponible
Mots-clésTraceabilityMedicineMammographyDiversity (politics)Medical physicsSoftware engineeringInternal medicineEngineeringAnthropology

Résumé

récupéré en direct d'OpenAlex

The authors provide a correction rectify an error in the reporting of one dataset titled “Mammogram Mastery: A Robust Dataset for Breast Cancer Detection and Medical Education” within the original publication. The erratum includes minor edits to the numerical figures within the main body of text (for the categories race or ethnicity, derived from screening programme, consent, and sex or gender there is one additional dataset within the count). The edited counts are reflected within associated numerical figures within Table 1, Fig.

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)0,021
score de la tête « metaresearch » (Gemma)0,239
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Reproductibilité · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,979
Score d'incertitude au seuil0,394

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0210,239
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0050,005
Bibliométrie0,0100,009
Études des sciences et des technologies0,0020,003
Communication savante0,0050,003
Science ouverte0,0040,004
Intégrité de la recherche0,0070,007
Charge utile insuffisante (le modèle a refusé de juger)0,1180,035

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 Opus0,054
Tête enseignante GPT0,396
Écart entre enseignants0,341 · 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'étudeRevue systématique
DomaineReproductibilité
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

Citations0
Publié2025
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueClinical ImagingMême sujetRadiomics and Machine Learning in Medical ImagingTravaux en français237 207