MétaCan
Menu
Retour à la cohorte
Enregistrement W1996792125 · doi:10.1109/iembs.2010.5627180

Application of fractal analysis to mammography

2010· article· en· W1996792125 sur OpenAlexaff
Grazia Raguso, A. Ancona, L Chieppa, Samuela L’Abbate, Maria Luisa Pepe, Fabio Mangieri, Micaela De Palo, Rangaraj M. Rangayyan

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueAI in cancer detection
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésFractal dimensionMammographyFractalDimension (graph theory)Receiver operating characteristicArtificial intelligenceBox countingPattern recognition (psychology)Compact spaceMathematicsComputer scienceFractal analysisMedicineStatisticsCombinatoricsMathematical analysisBreast cancerCancer

Résumé

récupéré en direct d'OpenAlex

We report on a morphological study of 192 breast masses as seen in mammograms, with the aim of discrimination between benign masses and malignant tumors. From the contour of each mass, we computed the fractal dimension (FD) and a few shape factors, including compactness, fractional concavity, and spiculation index. We calculated FD using four different methods: the ruler and box-counting methods applied to each 2-dimensional (2D) contour and its 1-dimensional signature. The ANOVA test indicated statistically significant differences in the values of the various shape features between benign masses and malignant tumors. Analysis using receiver operating characteristics indicated the area under the curve, A(z), of up to 0.92 with the individual shape features. The combination of compactness, FD with the 2D ruler method, and the spiculation index resulted in the highest A(z) value of 0.93.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,773
Score d'incertitude au seuil0,133

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,004
Tête enseignante GPT0,237
Écart entre enseignants0,234 · 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'étudeAutre devis
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

Citations18
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAI in cancer detectionTravaux en français237 207