Poster — Wed Eve—44: CO‐Registered Multi‐Modality Pattern Analysis Segmentation System (COMPASS) for Radiation Targeting of Head and Neck Cancer Using FDG PET/CT
Notice bibliographique
Résumé
Introduction: Previous attempts to segment tumours for radiation therapy targeting based on FDG‐PET image thresholds have had little success. However, if the texture information available in PET and CT images is used, more accurate and reliable differentiation of abnormal and normal tissues may be possible. Objective: To develop an automated image segmentation method for head and neck cancer (HNC) using texture analysis of co‐registered FDG‐PET/CT images. Methods: CO‐registered Multi‐modality Pattern Analysis Segmentation System (COMPASS) was developed using a region‐of‐interest‐based Decision Tree K‐Nearest‐Neighbors (DTKNN) classifier. 14 PET and 13 CT texture features such as coarseness, busyness and Left/right symmetrical ratio were calculated for each voxel from corresponding PET and CT images within a window centered on the voxel. Then the voxel was classified as “tumor” or “non‐tumor” using the DTKNN classifier. PET/CT images of 10 patients with HNC who had their primary tumors and positive nodes manually segmented by three radiation oncologists were used for evaluation. Results: The sensitivity per patient was 83%±19% when “true positive voxels” were defined as those voxels identified by at least two physicians as tumor. The specificity was 95%±2% when “true negative” voxels were all soft tissue voxels not identified by any of three physicians as tumor. Results of COMPASS were significantly better than those of three previously published PET threshold‐based methods. Conclusions: This work suggests that an automated segmentation method based on texture classification of FDG‐PET/CT images has the potential to provide accurate delineation of HNC.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,070 | 0,030 |
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 ».