Confocal fluorescence microscopy for detection of cervical preneoplastic lesions
Notice bibliographique
Résumé
We examined and established the potential of ex-vivo confocal fluorescence microscopy for differentiating between normal cervical tissue, low grade Cervical Intraepithelial Neoplasia (CIN1), and high grade CIN (CIN2 and CIN3). Our objectives were to i) use Quantitative Tissue Phenotype (QTP) analysis to quantify nuclear and cellular morphology and tissue architecture in confocal microscopic images of fresh cervical biopsies and ii) determine the accuracy of high grade CIN detection via confocal microscopy. Cervical biopsy specimens of colposcopically normal and abnormal tissues obtained from 15 patients were evaluated by confocal fluorescence microscopy. Confocal images were analyzed and about 200 morphological and architectural features were calculated at the nuclear, cellular, and tissue level. For the purpose of this study, we used four features to delineate disease grade including nuclear size, cell density, estimated nuclear-cytoplasmic (ENC) ratio, and the average of three nearest Delaunay neighbors distance (3NDND). Our preliminary results showed ENC ratio and 3NDND correlated well with histopathological diagnosis. The Spearman correlation coefficient between each of these two features and the histopathological diagnosis was higher than the correlation coefficient between colposcopic appearance and histopathological diagnosis. Sensitivity and specificity of ENC ratio for detecting high grade CIN were both equal to 100%. QTP analysis of fluorescence confocal images shows the potential to discriminate high grade CIN from low grade CIN and normal tissues. This approach could be used to help clinicians identify HGSILs in clinical settings.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».