Quantitative Histopathological Analysis of Cervical Intra‐Epithelial Neoplasia Sections: Methodological Issues
Notice bibliographique
Résumé
OBJECTIVES: As part a Program Project to evaluate emerging optical technologies for cervical neoplasia, our group is performing quantitative histopathological analysis of biopsies from 1,800 patients. Several methodological issues have arisen with respect to this analysis: (1) Finding the most efficient way to compensate for staining intensity variation with out losing diagnostic information; (2) Assessing the inter- and intra-observer variability of the semi-interactive data collection; and (3) the use of non-overlapping cells from the intermediate layer only. METHODS: Non-overlapping quantitatively stained nuclei were selected from 280 samples with histopathological characteristics of normal (199), koilocytosis (37), CIN 1 (18), CIN 2 (10) and CIN 3 (16). Linear discriminant analysis was used to assess the diagnostic information in three different feature sets to evaluate and compare staining intensity normalization methods. Selected feature values and summary scores were used to evaluate intra- and inter-observer variability. RESULTS: The features normalized by the internal subset of the imaged cells had the same discriminatory power as those normalized by the control cells and by both normalization methods seem to have additional discriminatory power over the set of features which do not require normalization. The use of the internal subset decreased the image acquisition time by approximately 50% at each center, respectively. The intra- and inter-observer variability was of a similar size. Good performance was obtained by measuring the intermediate layer only. CONCLUSION: The use of intensity normalization from a subset of the imaged non-overlapping intermediate layer cells works as well as or better than any of the other methods tested and provides a significant timesaving. Our intra- and inter-observer variability do not seem to affect the diagnostic power of the data. Although this must be tested in a larger data set, the use of intermediate layer cells only may be acceptable when using quantitative histopathology.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».