論文の概要: Navigating the reporting guideline environment for computational
pathology: A review
- arxiv url: http://arxiv.org/abs/2301.09985v1
- Date: Tue, 3 Jan 2023 23:17:51 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-29 13:39:28.598647
- Title: Navigating the reporting guideline environment for computational
pathology: A review
- Title(参考訳): 計算病理学のための報告ガイドライン環境のナビゲート:レビュー
- Authors: Clare McGenity, Darren Treanor
- Abstract要約: 本研究の目的は、計算病理学に携わる研究者が利用できる資源と報告ガイドラインを強調することである。
有用なリソースやガイダンスを簡単に識別するための要約を作成するために、アイテムがコンパイルされた。
病理AI研究に適用可能な70以上のリソースが特定された。
- 参考スコア(独自算出の注目度): 0.685316573653194
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The application of new artificial intelligence (AI) discoveries is
transforming healthcare research. However, the standards of reporting are
variable in this still evolving field, leading to potential research waste. The
aim of this work is to highlight resources and reporting guidelines available
to researchers working in computational pathology. The EQUATOR Network library
of reporting guidelines and extensions was systematically searched up to August
2022 to identify applicable resources. Inclusion and exclusion criteria were
used and guidance was screened for utility at different stages of research and
for a range of study types. Items were compiled to create a summary for easy
identification of useful resources and guidance. Over 70 published resources
applicable to pathology AI research were identified. Guidelines were divided
into key categories, reflecting current study types and target areas for AI
research: Literature & Research Priorities, Discovery, Clinical Trial,
Implementation and Post-Implementation & Guidelines. Guidelines useful at
multiple stages of research and those currently in development were also
highlighted. Summary tables with links to guidelines for these groups were
developed, to assist those working in cancer AI research with complete
reporting of research. Issues with replication and research waste are
recognised problems in AI research. Reporting guidelines can be used as
templates to ensure the essential information needed to replicate research is
included within journal articles and abstracts. Reporting guidelines are
available and useful for many study types, but greater awareness is needed to
encourage researchers to utilise them and for journals to adopt them. This
review and summary of resources highlights guidance to researchers, aiming to
improve completeness of reporting.
- Abstract(参考訳): 新しい人工知能(AI)発見の応用は、医療研究を変えつつある。
しかし、この発展途上の分野で報告の基準は変動しており、潜在的研究の無駄につながる。
本研究の目的は、計算病理学に携わる研究者が利用できる資源と報告ガイドラインを強調することである。
報告ガイドラインと拡張のためのEQUATOR Networkライブラリは、2022年8月まで体系的に検索され、適用可能なリソースが特定された。
包括的および排除的基準を用い,様々な研究段階および様々な研究形態における実用性について指導を行った。
有用なリソースやガイダンスを簡単に識別するための要約を作成するために、アイテムがコンパイルされた。
病理AI研究に適用可能な70以上のリソースが特定された。
ガイドラインは、現在の研究タイプとAI研究の対象領域である文学と研究優先順位、発見、臨床試験、実装とポストインプリメンテーションとガイドラインの2つに分けられた。
研究の複数の段階で有用なガイドラインと現在開発中のガイドラインも強調された。
これらのグループのガイドラインへのリンクを含む概要表が開発され、がんAI研究に携わる人々を支援し、研究の完全な報告を行った。
複製と研究廃棄物の問題は、ai研究において認識される問題である。
レポートガイドラインは、研究の複製に必要な重要な情報がジャーナルの記事や要約に含まれることを保証するテンプレートとして使用できる。
報告ガイドラインは、多くの研究タイプで利用可能で有用であるが、研究者がそれらを活用し、ジャーナルがそれらを採用するように促すには、さらなる認識が必要である。
このレビューとリソースの要約は、レポートの完全性を改善することを目的として、研究者へのガイダンスを強調している。
関連論文リスト
- A Reliable Knowledge Processing Framework for Combustion Science using
Foundation Models [0.0]
この研究は、多様な燃焼研究データを処理し、実験研究、シミュレーション、文献にまたがるアプローチを導入している。
開発されたアプローチは、データのプライバシと精度を最適化しながら、計算と経済の費用を最小化する。
このフレームワークは、最小限の人間の監視で、常に正確なドメイン固有の応答を提供する。
論文 参考訳(メタデータ) (2023-12-31T17:15:25Z) - Large Language Models for Generative Information Extraction: A Survey [93.28676955662002]
情報抽出は、平易な自然言語テキストから構造的知識を抽出することを目的としている。
生成型大規模言語モデル(LLM)は、テキストの理解と生成において顕著な能力を示した。
LLMは生成パラダイムに基づいたIEタスクに対して実行可能なソリューションを提供する。
論文 参考訳(メタデータ) (2023-12-29T14:25:22Z) - The Efficiency Spectrum of Large Language Models: An Algorithmic Survey [56.00281164118548]
LLM(Large Language Models)の急速な成長は、様々なドメインを変換する原動力となっている。
本稿では,LLMのエンドツーエンドのアルゴリズム開発に不可欠な多面的効率性について検討する。
論文 参考訳(メタデータ) (2023-12-01T16:00:25Z) - De-identification of clinical free text using natural language
processing: A systematic review of current approaches [48.343430343213896]
自然言語処理は、その非識別プロセスの自動化の可能性を繰り返し示してきた。
本研究の目的は,過去13年間に臨床自由テキストの非識別化が進展したことを示す体系的な証拠を提供することである。
論文 参考訳(メタデータ) (2023-11-28T13:20:41Z) - Reasoning with Language Model Prompting: A Survey [86.96133788869092]
推論は複雑な問題解決に不可欠な能力であり、様々な現実世界のアプリケーションに対するバックエンドサポートを提供することができる。
本稿では,言語モデルによる推論に関する最先端の研究を包括的に調査する。
論文 参考訳(メタデータ) (2022-12-19T16:32:42Z) - EBOCA: Evidences for BiOmedical Concepts Association Ontology [55.41644538483948]
本論文は,生物医学領域の概念とそれらの関連性を記述するオントロジーであるEBOCAと,それらの関連性を支持するエビデンスを提案する。
DISNETのサブセットから得られるテストデータとテキストからの自動アソシエーション抽出が変換され、実際のシナリオで使用できる知識グラフが作成されるようになった。
論文 参考訳(メタデータ) (2022-08-01T18:47:03Z) - Research Trends and Applications of Data Augmentation Algorithms [77.34726150561087]
我々は,データ拡張アルゴリズムの適用分野,使用するアルゴリズムの種類,重要な研究動向,時間経過に伴う研究の進展,およびデータ拡張文学における研究ギャップを同定する。
我々は、読者がデータ拡張の可能性を理解し、将来の研究方向を特定し、データ拡張研究の中で質問を開くことを期待する。
論文 参考訳(メタデータ) (2022-07-18T11:38:32Z) - Knowledge Graph Induction enabling Recommending and Trend Analysis: A
Corporate Research Community Use Case [11.907821975089064]
本稿では,企業研究コミュニティであるIBM ResearchがセマンティックWeb技術を用いて,統一知識グラフを創出する事例を紹介する。
誘導された知識を活用するための共通パターンのセットを特定し、それらをAPIとして公開する。
これらのパターンは、最も価値のあるユースケースや、緩和すべきユーザの痛点を特定するユーザ調査から生まれました。
論文 参考訳(メタデータ) (2022-07-11T20:51:28Z) - A Systematic Literature Review of Empiricism and Norms of Reporting in
Computing Education Research Literature [4.339510167603376]
本研究の目的は,コンピュータ教育研究(CER)文学における経験主義の報告を特徴付けることである。
2014年と2015年に5つのCER会場で427件の論文のSLRを行った。
80%以上の論文がある種の経験的評価をしていた。
論文 参考訳(メタデータ) (2021-07-02T16:37:29Z) - A Comprehensive Attempt to Research Statement Generation [39.8491923428562]
本稿では,研究成果を要約した研究声明生成タスクを提案する。
我々は、62の研究ステートメントと対応する1,203の出版物からなるrsgデータセットを構築した。
提案手法は,コンテンツカバレッジとコヒーレンスを向上して,すべてのベースラインを上回ります。
論文 参考訳(メタデータ) (2021-04-25T03:57:00Z) - Generating Knowledge Graphs by Employing Natural Language Processing and
Machine Learning Techniques within the Scholarly Domain [1.9004296236396943]
本稿では、自然言語処理と機械学習を利用して研究論文から実体や関係を抽出する新しいアーキテクチャを提案する。
本研究では,現在最先端の自然言語処理ツールとテキストマイニングツールを用いて,知識抽出の課題に取り組む。
セマンティックWebドメイン内の論文26,827件から抽出した109,105件のトリプルを含む科学知識グラフを作成した。
論文 参考訳(メタデータ) (2020-10-28T08:31:40Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。