Computed Tomographic Histogram Analysis in the Diagnosis of Lipid-Poor Adenomas
Notice bibliographique
Résumé
OBJECTIVE: To evaluate the ability of computed tomographic histogram analysis to diagnose lipid poor adenoma in comparison with adrenal washout computed tomography (CT). MATERIALS AND METHODS: Adrenal CT washout examinations performed during a period from January 2000 to July 2005 were reviewed. Computed tomographic histogram analysis was performed on the unenhanced component of the study, and sensitivity was assessed at thresholds of more than 5% and 10% negative pixels. Liver and spleen were used to represent the control/nonadenoma group. Computed tomographic noise was measured recording standard deviation (SD) of mean CT attenuation in adrenal, liver, and spleen. RESULTS: Twenty-four lipid-poor adenomas included exhibited more than 60% absolute enhancement washout (range, 60%-79%, mean, 69%) and remained stable for a period greater than 6 months. At threshold of more than 5% or 10% negative pixels CT histogram analysis yielded sensitivities of 91.6% and 70.8%, respectively, with 100% specificity. The mean SDs of adrenal, liver, and spleen were 18.2, 16.4 and 15, respectively. These differences in the mean SD were much smaller compared with the differences in the percentage of negative pixels in adrenal, liver, and spleen of 12.75%, 0.75%, and 0.25%, respectively. CONCLUSIONS: Computed tomographic histogram analysis has good potential in the diagnosis of lipid-poor adenoma and can reduce the need to perform adrenal washout 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 | 0,002 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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 ».