Katharina V. Hoebel, Andréanne Lemay, John Peter Campbell, Susan Ostmo, Michael F. Chiang, Christopher P. Bridge, Matthew Li, Praveer Singh, Aaron S. Coyner, Jayashree Kalpathy-Cramer
Article de revue (2026)
Accéder à ce document
Lien externe
Libre accès au texte intégral chez l'éditeur officiel
Libre accès au texte intégral chez l'éditeur officielMots clés
Renseignements supplémentaires:
The code used to train the models can be found at https://github.com/andreanne-lemay/gray_zone_assessment.
Département:
Unité de recherche:
Organismes subventionnaires:
Natural Sciences and Engineering Research Council of Canada (NSERC), National Eye Institute, National Cancer Institute, Genentech, Intramural Research Program of the National Institutes of Health (NIH), Mitacs, Research to Prevent Blindness, Fondation et Alumni de Polytechnique Montréal
Numéro de subvention:
R01 HD107493, P30 EY10572, IT24359, U01CA242879
Adresse URL de PolyPublie:
Titre de la revue
:
PLOS Digital Health
(
vol.
5
,
no
4
)
Maison d'édition:
Public Library of Science
URL officielle:
OAI:
oai:publications.polymtl.ca:76188
ORCID
Date du dépôt:
27 avr. 2026 08:32
Dernière modification:
14 oct. 2026 14:37
Citer en APA 7:
Hoebel, K. V., Lemay, A., Peter Campbell, J., Ostmo, S., Chiang, M. F., Bridge, C. P., Li, M., Singh, P., Coyner, A. S., & Kalpathy-Cramer, J. (2026). Leveraging deep learning to infer continuous predictions from ordinal labels in medical imaging. PLOS Digital Health, 5(4), e0001248 (17 pages). https://doi.org/10.1371/journal.pdig.0001248
Statistiques
Dimensions
