Semiautomatic Lymph Node Segmentation in Multislice Computed Tomography
Notice bibliographique
Résumé
OBJECTIVES: To determine the impact of slice thickness on semiautomatic lymph node analysis. MATERIALS AND METHODS: Thoracic multislice computed tomography (MSCT) of 46 patients with NSCLC were reconstructed at 1.0-, 3.0-, and 5.0-mm slice thickness. Two radiologists independently determined long and short axis diameter and volume of 299 thoracic lymph nodes by semiautomatic segmentation software. Necessity of manual correction (= relative difference between uncorrected and corrected segmented lymph node volume) and relative interobserver differences were determined. The precision of segmentation was expressed by relative measurement deviations (RMD) from the reference standard (mean of 1.0 mm datasets). Statistical analysis encompassed t test and Bland-Altman plots. RESULTS: Necessity of manual correction was significantly higher for 5.0 mm than for 3.0 (P = 0.042) or 1.0 mm (P = 0.0012). The RMD for long and short axis diameter were found to be independent of slice thickness, whereas the RMD for lymph node volume significantly (P = 0.021) increased from 4.0% at 1.0 mm (95% CI: 1.0%-3.5%) to 35% at 5.0 mm (95% CI: 10.5%-60.5%). The relative interobserver differences was consistently low for metric and volumetric parameters (eg, volume 2.3%, 95% CI: -7.4%-10.8% at 5.0 mm) with no difference in any of the slice thicknesses (P > 0.064). CONCLUSIONS: Significant deviations in lymph node volume together with excessive manual corrections suggest reconstruction of the data for semiautomatic lymph node assessment at a slice thickness of 1.0 mm but not exceeding 3.0 mm.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».