Sci-Fri AM: Imaging - 05: Principal Component X-Ray Simulation Analysis of Breast Biopsy Phantoms
Notice bibliographique
Résumé
Multivariate principal component analysis (PCA) was performed on x-ray simulations of breast biopsy phantoms. Semianalytic models were used to generate scatter (Ns) and photon transmission (N) signals from mixtures of fibrous (i), cancerous (j), and adipose tissue (k). A 5mm diameter 30 kV Mo beam is incident on a 5 mm thick biopsy. The incident exposure is 5.08 × 10−4 C/kg. An energy discriminating photon counting detector is assumed (e.g. CZT). For simulation of scatter measurements, the detector is placed at a scatter angle θ=10°, whereas for transmission θ=0°. The distance from the biopsy center to a 5 mm diameter aperture above the detector is 15 cm. The variables used in the PCA are Ns/N0 (16 keV), Ns/N0 (25 keV) and N/N0 (8 keV) where N0 is the incident spectrum. These variables are calculated 10 times. Each trial consists of biopsy shuffling of tissue blocks for a chosen fractional composition (i,j,k). A statistical component was incorporated in No. As a preliminary test to the classification model, a total of 66 different biopsies have been simulated and are used as unknowns. The PCA classes generated are based on a biopsy composed of 5 layers and 5 radii. The 66 unknown compositions were tested against the PCA classes to determine if the biopsy tissue composition could be identified. Of the 66 biopsies, 46 were correctly identified. An example of a misclassified unknown was for the composition (0,0.2,0.8) which was classified as (0.3,0,0.7). Further work is required to increase accuracy of identification.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,036 | 0,004 |
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 ».