Notice bibliographique
Résumé
Release Notes Tedana's 0.0.11 release includes a number of bug fixes and enhancements, and it's associated with publication of our Journal of Open Source Software (JOSS) paper! Beyond the JOSS paper, two major changes in this release are (1) outputs from the tedana and t2smap workflows are now BIDS compatible, and (2) we have overhauled how masking is performed in the tedana workflow, so that improved brain coverage is retained in the denoised data, while the necessary requirements for component classification are met. 🔧 Breaking changes The tedana and t2smap workflows now generate BIDS-compatible outputs, both in terms of file formats and file names. Within the tedana workflow, T2* estimation, optimal combination, and denoising are performed on a more liberal brain mask, while TE-dependence and component classification are performed on a reduced version of the mask, in order to retain the increased coverage made possible with multi-echo EPI. When running tedana on a user-provided mixing matrix, the order and signs of the components are no longer modified. This will not affect classification or the interactive reports, but the mixing matrix will be different. ✨ Enhancements tedana interactive reports now include carpet plots. The organization of the documentation site has been overhauled to be easier to navigate. We have added documentation about how to use tedana with fMRIPrep, along with a gist that should work on current versions of fMRIPrep. Metric calculation is now more modular, which will make it easier to debug and apply in other classification decision trees. 🐛 Bug fixes One component was not rendering in interactive reports, but this is fixed now. Inputs are now validated to ensure that multi-file inputs are not interpreted as single z-concatenated files. Changes since last stable release [JOSS] Add accepted JOSS manuscript to main (#813) @tsalo [FIX] Check data type in io.load_data (#802) @tsalo [DOC] Fix link to developer guidelines in README (#797) @tsalo [FIX] Figures of components with index 0 get rendered now (#793) @eurunuela [DOC] Adds NIMH CMN video (#792) @jbteves [STY] Use black and isort to manage library code style (#758) @tsalo [DOC] Generalize preprocessing recommendations (#769) @tsalo [DOC] Add fMRIPrep collection information to FAQ (#773) @tsalo [DOC] Add link to EuskalIBUR dataset in documentation (#780) @tsalo [FIX] Add resources folder to package data (#772) @tsalo [ENH] Use different masking thresholds for denoising and classification (#736) @tsalo [DOC, MAINT] Updated dependency version numbers (#763) @handwerkerd [REF] Move logger management to new functions (#750) @tsalo [FIX] Ignore non-significant kappa elbow when no non-significant kappa values exist (#760) @tsalo [ENH] Coerce images to 32-bit (#759) @jbteves [ENH] Add carpet plot to outputs (#696) @tsalo [FIX] Correct manacc documentation and check for associated inputs (#754) @tsalo [DOC] Reorganize documentation (#740) @tsalo [REF] Do not modify mixing matrix with sign-flipping (#749) @tsalo [REF] Eliminate component sorting from metric calculation (#741) @tsalo [FIX] Update apt in CircleCI (#746) @notZaki [DOC] Update resource page with dataset and link to Dash app visualizations (#745) @jsheunis [DOC] Clarify communication pathways (#742) @tsalo [FIX] Disable report logging during ICA restart loop (#743) @tsalo [REF] Replace metric dependency dictionaries with json file (#739) @tsalo [FIX] Add references back into the HTML report (#737) @tsalo [ENH] Allows iterative clustering (#732) @jbteves [REF] Modularize metric calculation (#591) @tsalo Rename sphinx functions to fix building error for docs (#727) @eurunuela [ENH] Generate BIDS Derivatives-compatible outputs (#691) @tsalo
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 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,006 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,402 | 0,373 |
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 ».