Multiparametric 3D<i>in vivo</i>ultrasound vibroelastography imaging of prostate cancer: Preliminary results
Notice bibliographique
Résumé
PURPOSE: Ultrasound-based solutions for diagnosis and prognosis of prostate cancer are highly desirable. The authors have devised a method for detecting prostate cancer using a vibroelastography (VE) system developed in our group and a tissue classification approach based on texture analysis of VE images. METHODS: The VE method applies wide-band mechanical vibrations to the tissue. Here, the authors report on the use of this system for cancer detection and show that the texture of VE images characterized by the first and the second order statistics of the pixel intensities form a promising set of features for tissue typing to detect prostate cancer. The system was used to image patients prior to radical surgery. The removed specimens were sectioned and studied by an experienced histopathologist. The authors registered the whole-mount histology sections to the ultrasound images using an automatic registration algorithm. This enabled the quantitative evaluation of the performance of the authors' imaging method in cancer detection in an unbiased manner. The authors used support vector machine (SVM) classification to measure the cancer detection performance of the VE method. Regions of tissue of size 5 × 5 mm, labeled as cancer and noncancer based on automatic registration to histology slides, were classified using SVM. RESULTS: The authors report an area under ROC of 0.81 ± 0.10 in cancer detection on 1066 tissue regions from 203 images. All cancer tumors in all zones were included in this analysis and were classified versus the noncancer tissue in the peripheral zone. This outcome was obtained in leave-one-patient-out validation. CONCLUSIONS: The developed 3D prostate vibroelastography system and the proposed multiparametric approach based on statistical texture parameters from the VE images result in a promising cancer detection method.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 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 ».