Computed Tomographic Histogram Analysis in the Diagnosis of Lipid-Poor Adenomas
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,008 |
| 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 | 0,001 |
| 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 découle