MétaCan
Menu
Retour à la cohorte
Enregistrement W1993641149 · doi:10.1118/1.3578600

A method for assessing voxel correspondence in longitudinal tumor imaginga)

2011· article· en· W1993641149 sur OpenAlexaff
Jeremy Hoisak, David A. Jaffray

Notice bibliographique

RevueMedical Physics · 2011
Typearticle
Langueen
DomaineMedicine
ThématiqueGlioma Diagnosis and Treatment
Établissements canadiensPrincess Margaret Cancer CentreUniversity of TorontoOntario Institute for Cancer Research
Organismes subventionnairesnon disponible
Mots-clésVoxelHistogramArtificial intelligenceSimilarity (geometry)Similarity measurePattern recognition (psychology)Robustness (evolution)Image registrationContext (archaeology)Computer scienceMathematicsComputer visionImage (mathematics)

Résumé

récupéré en direct d'OpenAlex

PURPOSE: Tumor characterization employing a voxel-wise analysis of image signal facilitates the determination of the spatial distribution of tumor attributes, and when employed for therapy response assessment offers the promise of greater sensitivity to change than conventional approaches. However, the accuracy of a voxel-wise analysis of change is limited by local registration uncertainties that can disrupt the spatiotemporal correspondence between assessed voxels. We present a method for assessing voxel correspondence strength using a multiresolution local histogram-based measure of image structure similarity. When employed in a longitudinal tumor imaging context, a voxel similarity measure must be robust to intensity variations that can arise from the image acquisition, treatment effects, or changes in underlying disease processes. Consequently, the local histogram-based similarity measure is evaluated for sensitivity to structural change and robustness to intensity variation and is compared against normalized mutual information and normalized cross-correlation. METHODS: T1-weighted (T1W) magnetic resonance (MR) images of glioblastoma acquired as part of a longitudinal response assessment study are first rigidly registered, and then similarity between spatially corresponding voxels is evaluated using multiresolution local histograms. Region-based and nonuniform intensity changes of varying magnitude as well as deformations to image structure are applied individually and in combination to the test images. Statistical analysis is used to test for interaction effects between the applied perturbations and the value of the local histogram similarity function. Pair-wise voxel similarity maps are computed for pairs of longitudinal clinical MR image volumes and compared with observed patterns of change on conventional imaging. RESULTS: The simulations demonstrated that the local histogram measure was robust to intensity modulations applied to increasing region sizes and exhibited a strong negative correlation with the magnitude of local deformation. No statistically significant interaction effects were observed upon the value of the local histogram similarity function when deformation was applied in conjunction with a nonuniform intensity change. Pair-wise voxel similarity maps were consistent with image change observed on T1W MR imaging and revealed patterns of change not apparent in conventional image sequences. CONCLUSIONS: A measure of local histogram image structure similarity can be used to assess the strength of voxel to voxel correspondences independently of intensity nonuniformities. The metric can provide a local estimate of the limits of achievable correspondence underlying the registration and voxel-wise comparison of signal in longitudinal imaging used for assessing tumor response to treatment.

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)0,003
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,075
Tête enseignante GPT0,379
Écart entre enseignants0,304 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

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
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedical PhysicsMême sujetGlioma Diagnosis and TreatmentTravaux en français237 207