MétaCan
Menu
Retour à la cohorte
Enregistrement W2032152347 · doi:10.1155/2000/461695

Specific Changes of Chromatin Structure in Nuclei of Normal Epithelium Adjacent to Laryngeal Squamous Cell Carcinoma

2000· article· en· W2032152347 sur OpenAlexaff
Thomas Dreyer, Iris Knoblauch, David M. Garner, Alexei Doudkine, Calum MacAulay, Branko Palcic, Christian Popella

Notice bibliographique

RevueAnalytical Cellular Pathology · 2000
Typearticle
Langueen
DomaineMedicine
ThématiqueRadiomics and Machine Learning in Medical Imaging
Établissements canadiensBC Cancer Agency
Organismes subventionnairesnon disponible
Mots-clésEpitheliumPathologyTexture (cosmology)MedicineChemistryBiologyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The aim of this study was to confirm the existence of specific nuclear texture feature alterations of histologically normal epithelial borders nearby invasive laryngeal cancer (NC). Paraffin sections of NC and of chronic inflammations unrelated to cancer (CI) were analysed for nuclear texture and for integrated optical density (IOD-index) and were compared to normal epithelium of patients without evidence of cancer (NE). Several discriminant functions based on nuclear texture features were trained to separate different subgroups. As the most important result, specific nuclear texture feature shifts were only found in NC with high-density lymphocytic stroma infiltrate (NC+). Classification of nuclei of NE versus NC+ was correct in 70%. The same classifier was correct in only 58% when nuclei of NE were classified versus CI. We also found lower values of IOD-Index within the NC+ group when compared to NE (p < 0.001).

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,471
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
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)0,0020,000

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 Opus0,009
Tête enseignante GPT0,241
Écart entre enseignants0,233 · 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.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnalytical Cellular PathologyMême sujetRadiomics and Machine Learning in Medical ImagingTravaux en français237 207