MétaCan
Menu
← Retour à la cohorte
Enregistrement W1970544808 · doi:10.1117/12.2006456

CT image feature analysis in distinguishing radiation fibrosis from tumour recurrence after stereotactic ablative radiotherapy (SABR) for lung cancer: a preliminary study

2013· article· en· W1970544808 sur OpenAlexaff
Sarah A. Mattonen, David A. Palma, Cornelis J.A. Haasbeek, Suresh Senan, Aaron D. Ward

Notice bibliographique

RevueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIE · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueLung Cancer Diagnosis and Treatment
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésSABR volatility modelRadiation therapyLung cancerRadiographyRadiologyMedicineAblative caseGround-glass opacityNuclear medicineStereotactic radiation therapyRadiosurgeryCancerPathologyInternal medicineMathematicsAdenocarcinoma

Résumé

récupéré en direct d'OpenAlex

Radiation induced lung injury (RILI) is a common finding following lung radiotherapy and results in radiographic changes on computed tomography (CT). Stereotactic ablative radiotherapy (SABR) treats the tumour to a highly conformal dose with large doses/fraction, which can result in benign, tumour-mimicking radiographic changes. Our purpose was to determine the ability of quantitative measures of post-SABR radiographic changes to distinguish the subject groups (recurrence vs. RILI) at several time points. Two regions were manually contoured on each follow-up CT: consolidative changes and ground glass opacity (GGO). A peri-tumoural region of GGO was also taken around the consolidative changes. At 9 months, patients with recurrence had significantly denser consolidative areas compared to patients with RILI (p=.046) and significantly increased variability of CT densities in the GGO areas (p=.0078). The variability of CT density in a peri-tumoural region of 4 mm thickness was also significant at 9 months post-treatment (p=.0499). Our preliminary study of classification accuracy based on these measures showed that variability of the GGO CT density was the best predictor with a cross validation error of 26.1%, demonstrating that further refinement of the features and classifier may soon lead to a clinically useful computer-aided diagnosis tool. These results suggest the future potential to distinguish patients with recurrence from those RILI at 9 months post-SABR based on appearance characteristics within the consolidative, GGO, and peri-tumoural regions. This could potentially allow for earlier salvage of patients with recurrence, and result in fewer investigations of benign RILI.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,267
Écart entre enseignants0,260 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIE→Même sujetLung Cancer Diagnosis and Treatment→Travaux en français237 207→