MétaCan
Menu
Retour à la cohorte
Enregistrement W4413006740 · doi:10.1148/ryai.240777

Segmenting Whole-Body MRI and CT for Multiorgan Anatomic Structure Delineation

2025· article· en· W4413006740 sur OpenAlexaff
Hartmut Häntze, Lina Xu, Christian Mertens, Felix J. Dorfner, Leonhard Donle, Felix Busch, Avan Kader, Sebastian Ziegelmayer, Nadine Bayerl, Nassir Navab, Daniel Rueckert, Julia A. Schnabel, Hugo J.W.L. Aerts, Daniel Truhn, Fabian Bamberg, Jakob Weiss, Christopher L. Schlett, Steffen Ringhof, Thoralf Niendorf, Tobias Pischon, Hans‐Ulrich Kauczor, Tobias Nonnenmacher, Thomas Kröncke, Henry Völzke, Jeanette Schulz‐Menger, Klaus Maier‐Hein, Alessa Hering, Mathias Prokop, Bram van Ginneken, Mat Makowski, Lisa C. Adams, Keno K. Bressem

Notice bibliographique

RevueRadiology Artificial Intelligence · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueRadiomics and Machine Learning in Medical Imaging
Établissements canadiensArtificial Intelligence in Medicine (Canada)
Organismes subventionnairesLeibniz-GemeinschaftEuropean CommissionBundesministerium für Bildung und ForschungWilhelm Sander-Stiftung
Mots-clésMedicineSegmentationMagnetic resonance imagingRadiologyArtificial intelligenceRetrospective cohort studySørensen–Dice coefficientMedical physicsNuclear medicineComputer scienceSurgeryImage segmentation

Résumé

récupéré en direct d'OpenAlex

MR-Imaging, Segmentation, Vision, Application Domain, Supervised Learning, Type of Machine Learning © The Author(s) 2025. Published by the Radiological Society of North America under a CC BY 4.0 license. See also commentary by Tao in this issue.

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)0,064
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,112

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0210,064
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0030,002
Études des sciences et des technologies0,0030,014
Communication savante0,0040,008
Science ouverte0,0050,004
Intégrité de la recherche0,0340,058
Charge utile insuffisante (le modèle a refusé de juger)0,0060,006

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 Opus0,015
Tête enseignante GPT0,337
Écart entre enseignants0,322 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRadiology Artificial IntelligenceMême sujetRadiomics and Machine Learning in Medical ImagingTravaux en français237 207