Categorizing Extent of Tumor Cell Death Response to Cancer Therapy Using Quantitative Ultrasound Spectroscopy and Maximum Mean Discrepancy
Notice bibliographique
Résumé
Quantitative ultrasound (QUS) spectroscopic techniques in conjunction with maximum mean discrepancy (MMD) have been proposed to detect, and to classify noninvasively the levels of cell death in response to cancer therapy administration in tumor models. Evaluation of xenograft tumor responses to cancer treatments were carried out using conventional-frequency ultrasound at different times after chemotherapy exposure. Ultrasound data were analyzed using spectroscopic techniques and multi-parametric QUS spectral maps were generated. MMD was applied as a distance criterion, measuring alterations in each tumor in response to chemotherapy, and the extent of cell death was classified into less/more than 20% and 40% categories. Statistically significant differences were observed between "pre-" and "post-treatment" groups at different times after chemotherapy exposure, suggesting a high capability of proposed framework for detecting tumor response noninvasively. Promising results were also obtained for categorizing the extent of cell death response in each tumor using the proposed framework, with gold standard histological quantification of cell death as ground truth. The best classification results were obtained using MMD when applied on histograms of QUS parametric maps. In this case, classification accuracies of 84.7% and 88.2% were achieved for categorizing extent of tumor cell death into less/more than 20% and 40%, respectively.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 ».