BRATS Africa: Building Inclusive AI in Radiology
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Intro-From the RSNA, this is the Radiology Artificial Intelligence Podcast.My name is Paul Yi, and I'm a radiologist and co-host of the podcast.And my name is Ali Tejani, and I'm a radiologist and co-host of the podcast.Each month, we dive into the hottest topics in radiology AI and talk with leading experts, thought leaders, and movers and shakers in the field.Dr. Ali Tejani-Welcome back to the Radiology AI Podcast.Paul, you know, it's been a while since we've been together to record one of these episodes.How have you been?I feel like I haven't seen you in a while.Dr. Paul Yi-No, I've been doing pretty good.You know, summer, it's been pretty hot, but I like the sun and getting out when I can.How about you?Dr. Ali Tejani-Yeah, about the same.Pretty sunny where I just moved out to, so can't complain.Wish I would travel more, though.I definitely need to travel and, you know, I figured, while we're not able to make it out to some exciting places, maybe we can talk to a couple of friends who've had some exciting experiences and we can live vicariously through their experience. Dr. Paul Yi-Whatever could you mean?Dr. Ali Tejani-Well, let's ask them.Let's find out.So we have a couple of guests here.Udonna, can you start by telling us more about yourself and where you are and what you're doing?Dr. Udunna Anazodo-Yeah.Thank you so much for having me here.My name is Udunna and I'm based in Montreal.It's sunny right now.We've had a little bit of a, well, I say summer spell, and that's nice.But a couple of weeks ago I was in Nigeria, I was in Lagos, Nigeria as well, doing some work, which we're going to get into today.But my main aim and focus is sort of creating really exciting ways to image the brain without contrast, which I do every day at the Montreal Institute at McGill University, which is where I'm based.Dr. Ali Tejani-Fantastic.So I haven't been to Canada, so again, already living through your experiences there.Marouf, how about yourself?
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.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle