MEDIGAN MODEL UPLOAD: 00023_PIX2PIXHD_BREAST_DCEMRI
Notice bibliographique
Résumé
Model ID: 00023_PIX2PIXHD_BREAST_DCEMRI. Uploaded via: API Tags: ['dce-mri', 'postcontrast', 'synthesis', 'breast', 'mri', 'treatment', 'i2i', 'pix2pixHD', 'SPIE'] Usage: This GAN is used as part of the medigan library. This GANs metadata is therefore stored in and retrieved from medigan's config file. medigan is an open-source Python library on Github that allows developers and researchers to easily add synthetic imaging data into their model training pipelines. medigan is documented here and can be used via pip install: pip install medigan To run this model in medigan, use the following commands. from medigan import Generators generators = Generators() generators.generate(model_id='00023_PIX2PIXHD_BREAST_DCEMRI',num_samples=10) Description from model config:: {"title": "Pre- to Post-Contrast Breast MRI Synthesis for Enhanced Tumour Segmentation", "provided_date": "11.2023", "trained_date": "2023", "provided_after_epoch": 30, "version": "1.0", "publication": "https://doi.org/10.48550/arXiv.2311.10879", "doi": ["https://doi.org/10.48550/arXiv.2311.10879"], "inputs": ["pre-contrast t1-weighted breast mri"], "comment": "2d breast mri slice by slice generation of postcontrast data"}
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) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,264 | 0,196 |
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 ».