Impact of Point Spread Function Reconstruction on Thoracic Lymph Node Staging With 18F-FDG PET/CT in Non–Small Cell Lung Cancer
Notice bibliographique
Résumé
AIM: The aim of the present study was to evaluate the impact of point spread function (PSF) reconstruction on quantitative values and diagnostic accuracy of FDG PET/CT for nodal staging in non-small cell lung cancer. PATIENTS AND METHODS: Fifty-eight consecutive PET/CT examinations were reconstructed with both ordered subset expectation maximization (OSEM) and PSF algorithms. Two readers independently performed a randomized blinded review of PET/CT examinations and gave a nodal status (N0, N1, N2, or N3) to each PET data set. When discordant, a consensus was reached with a third reader. Sensitivity, specificity, positive and negative predictive values (NPV), and positive and negative likelihood ratios (LRs) were assessed and compared using a McNemar test. All PET data sets were then independently analyzed to extract quantitative PET values in 208 nodes and compare them using Bland-Altman analysis. RESULTS: Bland-Altman analysis showed that, on average, PSF reconstruction increased SUVmax, SUVmean, and node/background ratios by 48%, 28%, and 27%, respectively. This increase was more marked for nodes less than 1 cm than for nodes 1 cm or greater (P < 0.0001 for SUVmax, SUVmean, and node/background ratios). Point spread function PET had higher sensitivity (97%) and NPV (92%) than OSEM PET (78% and 57%, respectively; P = 0.01 and P = 0.04, respectively). Negative LR was 0.04 for PSF PET and 0.31 for OSEM PET. CONCLUSIONS: By improving activity recovery, especially for nonenlarged nodes, PSF significantly improves the sensitivity, NPV, and negative LR of FDG-PET for nodal staging in non-small cell lung cancer. These data suggest that preoperative invasive nodal staging may be omitted in the case of a negative PSF FDG-PET/CT.
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 | 0,009 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 ».