Notice bibliographique
Résumé
0.5.6 (2023-05-08) :warning: This version will be the last version to support Python 2.x and support will be dropped in version 0.5.7. Dropped support for Python 3.5 & 3.6 and added support for Python 3.9 & 3.10. Made changes to codebase to support recent versions of numpy, Shapely and scikit-image dependencies. Added dose module with DVH class for Pythonic access to RT Dose. (#164) @cutright Added decubitus orientation and related changes. (#285) @darcymason Fix a bug if Pixel Data attribute was set for non image based SOP Classes (i.e. RT Structure Set). (#214) @cutright dvhcalc Implement interpolation for non square pixels in DVH calculation. (#124) Fix a bug where the DVHDoseScaling attribute was not applied properly to RT Dose DVHs. (#301) @cvelten Fix a bug where floating point pixel spacing wasn't rounded in DVH calculations. (#318) @smichi23 dose Added RT Dose grid summmation with interpolation (from DVHA). (#164) @cutright dicomparser Initial implementation of memory mapped access to pixel data. (#131) Ensure that all files read have a valid File Meta header. New Contributors @cutright made their first contribution in https://github.com/dicompyler/dicompyler-core/pull/164 @darcymason made their first contribution in https://github.com/dicompyler/dicompyler-core/pull/170 @smichi23 made their first contribution in https://github.com/dicompyler/dicompyler-core/pull/318 @cvelten made their first contribution in https://github.com/dicompyler/dicompyler-core/pull/301 Full Changelog: https://github.com/dicompyler/dicompyler-core/compare/v0.5.5...v0.5.6
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 | 0,004 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,006 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,500 | 0,410 |
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 ».