Sonde de biopsie optique afin d'améliorer la sécurité et la précision de diagnostic des biopsies neurochirurgicales
Bibliographic record
Abstract
DÉDICACE À ma mère Denise!REMERCIEMENTS Ces dernières années ont été un grand défi personnel mais beaucoup de personnes ont contribué de près et de loin au succès de ce projet de recherche.Je ne pourrais commencer ces remerciements sans mentionner le support de mon directeur de recherche, Frédéric Leblond, d'avoir, une fois de plus, cru en mon potentiel de chercheuse et de m'avoir permis de faire un doctorat au sein du département de génie biomédical de l'École Polytechnique de Montréal.Malgré son horaire bien chargé, il a toujours fait preuve d'une grande générosité à mon égard et a toujours su offrir de précieux conseils et une écoute réconfortante.Sa rigueur exceptionnelle aura laissé sa trace dans la qualité de mes articles.Frédéric m'a permis de faire partie d'un projet de recherche d'envergure ayant un impact important autant pour la communauté scientifique que pour l'amélioration des soins de santé, dont le succès nous a permis de gagner plusieurs prix et d'obtenir beaucoup de visibilité.Merci!Mon second remerciement est destiné à mon co-directeur Dr Kevin Petrecca pour avoir contribué à toutes les étapes du développement de l'instrument.Son engagement et dévouement à la recherche pour améliorer le sort des patients atteints de maladies cérébrales est admirable, et il restera une inspiration pour moi.De plus, sa vision clinique a été d'une importance fondamentale au succès de ce projet de recherche.Aussi, merci à Dr. Roberto Diaz pour avoir accepté de participer à l'étude clinique en utilisant l'aiguille de biopsie.Je ne pourrais passer sous silence toute l'aide et le soutien (autant technique que mental) que m'a apporté mon ami et collègue Michael Pinto, qui a beaucoup contribué au succès de ce projet.Sa générosité, sa façon de trouver une solution à tout, sa présence et son écoute ont été d'une aide précieuse!Je remercie également Michael Jermyn pour son aide considérable au niveau du traitement de spectres, de la conception et de la validation des algorithmes de classification.J'aimerais également remercier tous mes collègues, passés et présents, avec lesquels j'ai eu bien du plaisir à échanger sur toutes sortes de sujets stimulants : Andréanne Goyette, Jeanne Mercier,
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.006 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.011 | 0.005 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".