Quantitative Ultrasound Spectroscopic Imaging for Characterization of Disease Extent in Prostate Cancer Patients
Notice bibliographique
Résumé
Three-dimensional quantitative ultrasound spectroscopic imaging of prostate was investigated clinically for the noninvasive detection and extent characterization of disease in cancer patients and compared to whole-mount, whole-gland histopathology of radical prostatectomy specimens. Fifteen patients with prostate cancer underwent a volumetric transrectal ultrasound scan before radical prostatectomy. Conventional-frequency (~5MHz) ultrasound images and radiofrequency data were collected from patients. Normalized power spectra were used as the basis of quantitative ultrasound spectroscopy. Specifically, color-coded parametric maps of 0-MHz intercept, midband fit, and spectral slope were computed and used to characterize prostate tissue in ultrasound images. Areas of cancer were identified in whole-mount histopathology specimens, and disease extent was correlated to that estimated from quantitative ultrasound parametric images. Midband fit and 0-MHz intercept parameters were found to be best associated with the presence of disease as located on histopathology whole-mount sections. Obtained results indicated a correlation between disease extent estimated noninvasively based on midband fit parametric images and that identified histopathologically on prostatectomy specimens, with an r(2) value of 0.71 (P<.0001). The 0-MHz intercept parameter demonstrated a lower level of correlation with histopathology. Spectral slope parametric maps offered no discrimination of disease. Multiple regression analysis produced a hybrid disease characterization model (r(2)=0.764, P<.05), implying that the midband fit biomarker had the greatest correlation with the histopathologic extent of disease. This work demonstrates that quantitative ultrasound spectroscopic imaging can be used for detecting prostate cancer and characterizing disease extent noninvasively, with corresponding gross three-dimensional histopathologic correlation.
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 | 0,002 |
| 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 ».