MétaCan
Menu
Retour à la cohorte
Enregistrement W1984185210 · doi:10.1118/1.4864476

Towards clinical prostate ultrasound elastography using full inversion approach

2014· article· en· W1984185210 sur OpenAlexafffund
Seyed Reza Mousavi, Ali Sadeghi‐Naini, Gregory J. Czarnota, Abbas Samani

Notice bibliographique

RevueMedical Physics · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueUltrasound Imaging and Elastography
Établissements canadiensRobarts Clinical TrialsHealth Sciences CentreUniversity of TorontoSunnybrook Health Science CentreWestern University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health ResearchCancer Care Ontario
Mots-clésElastographyImaging phantomProstate cancerProstateRectal examinationUltrasoundMedical imagingMedicineRadiologyBiomedical engineeringCancer

Résumé

récupéré en direct d'OpenAlex

PURPOSE: Various types of cancers including prostate cancer are known to be associated with biological changes that lead to tissue stiffening. Digital rectal examination is based on manually palpating the prostate tissue via the rectum. This test lacks sufficient accuracy required for early diagnosis which is necessary for effective management of prostate cancer. To develop an effective prostate cancer diagnostic technique, the authors propose an imaging technique that maps the distribution of the relative prostate tissue's elasticity modulus. Unlike digital rectal examination, this technique is quantitative, capable of accurately detecting small prostate lesions that cannot be sensed by manual palpation, and its accuracy is independent of the physician's experience. METHODS: The proposed technique is a quasistatic elastography technique which uses ultrasound imaging to acquire tissue displacements resulting from transrectal ultrasound mechanical stimulation. The system involves a standard ultrasound imaging unit with accessibility to its radiofrequency data. The displacements are used as data for the tissue elasticity reconstruction. This reconstruction does not require tissue segmentation and is based on physics governing tissue mechanics. It is formulated using an inverse problem framework where elastic tissue deformation equations are fully inverted using an iterative scheme where each iteration involves stress calculation followed by elastic modulus updating until convergence is achieved.In silico and tissue mimicking phantom studies were conducted to validate the proposed technique, followed by a clinical pilot study involving two prostate cancer patients with whole-mount histopathology analysis on prostatectomy specimens to confirm a cancer location. RESULTS: The phantom studies demonstrated robustness and reasonably high accuracy of the proposed method. Obtained Young's modulus ratios indicated reconstruction errors of less than 12%. Reconstructed elastic modulus images of the two clinical cases were compared to whole-mount histopathology slides where cancerous areas were identified. This comparison indicated marked tissue stiffening in the cancer area with reasonably accurate consistency observed between cancerous lesions identified by histopathology and high stiffness areas of the elastography images. CONCLUSIONS: Results obtained from the phantom and patient studies indicate that the proposed method is reasonably accurate for detecting cancerous lesions. The proposed system does not require any additional hardware attachment for mechanical stimulation or data acquisition while the elasticity reconstruction algorithm can be easily implemented, leading to a low cost system that can be potentially utilized as an effective clinical tool for prostate cancer diagnosis.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,554
Score d'incertitude au seuil0,889

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,026
Tête enseignante GPT0,303
Écart entre enseignants0,277 · 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 tête enseignante, 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

Citations23
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMedical PhysicsMême sujetUltrasound Imaging and ElastographyTravaux en français237 207