Multiparametric MR imaging of prostate cancer foci: assessing the detectability and localizability of Gleason 7 peripheral zone cancers based on image contrasts
Notice bibliographique
Résumé
Purpose: Multiparametric magnetic resonance imaging (MPMRI) supports detection and staging of prostate cancer, but the image characteristics needed for tumor boundary delineation to support focal therapy have not been widely investigated. We quantified the detectability (image contrast between tumor and non-cancerous contralateral tissue) and the localizability (image contrast between tumor and non-cancerous neighboring tissue) of Gleason score 7 (GS7) peripheral zone (PZ) tumors on MPMRI using tumor contours mapped from histology using accurate 2D–3D registration. Methods: MPMRI [comprising T2-weighted (T2W), dynamic-contrast-enhanced (DCE), apparent diffusion coefficient (ADC) and contrast transfer coefficient images] and post-prostatectomy digitized histology images were acquired for 6 subjects. Histology contouring and grading (approved by a genitourinary pathologist) identified 7 GS7 PZ tumors. Contours were mapped to MPMRI images using semi-automated registration algorithms (combined target registration error: 2 mm). For each focus, three measurements of mean ± standard deviation of image intensity were taken on each image: tumor tissue (mT±sT), non-cancerous PZ tissue < 5 mm from the tumor (mN±sN), and non-cancerous contralateral PZ tissue (mC±sC). Detectability [D, defined as mT-mC normalized by sT and sC added in quadrature] and localizability [L, defined as mT-mN normalized by sT and sN added in quadrature] were quantified for each focus on each image. Results: T2W images showed the strongest detectability, although detectability |D|≥1 was observed on either ADC or DCE images, or both, for all foci. Localizability on all modalities was variable; however, ADC images showed localizability |L|≥1 for 3 foci. Conclusions: Delineation of GS7 PZ tumors on individual MPMRI images faces challenges; however, images may contain complementary information, suggesting a role for fusion of information across MPMRI images for delineation.
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) | 0,001 | 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 ».