Interpolated 3D map of Area 6d3 (SFS) in the BigBrain
Notice bibliographique
Résumé
This dataset contains cytoarchitectonic maps of Area 6d3 (SFS) in the Big Brain dataset [Amunts et al. 2013]. The mappings were created using the semi-automatic method presented in Schleicher et al. 1999, based on coronal histological sections on 1 micron resolution. Mappings are available on approximately every 15-60th section of this region. They were then aligned to the corresponding sections of the 3D reconstructed Big Brain space, using the transformations used in Amunts et al. 2013, kindly provided by Claude Lepage (McGill University). From these delineations, a preliminary 3D map of Area 6d3 (SFS) has been created by simple interpolation of the coronal contours in the 3D anatomical space of the Big Brain. This map gives a first impression of the location of this area in the Big Brain, and can be viewed in the atlas viewer using the URL below. A full mapping of this area in every histological section using a Deep Learning approach is in progress. **Additional information:** The reference delineations used for this map are part of the work for the corresponding probabilistic map of Area 6d3 (SFS) of the JuBrain Cytoarchitectonic Atlas, published in: Sigl et al. (2019) [Data set, v4.0] [DOI: 10.25493/40J8-TAK](https://doi.org/10.25493%2F40J8-TAK) Sigl et al. (2019) [Data set, v4.1] [DOI: 10.25493/NVJ5-JJ](https://doi.org/10.25493%2FNVJ5-JJ)
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,022 | 0,018 |
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 ».