7‐Tesla <scp>MR</scp> imaging of non‐melanoma skin cancer samples: correlation with histopathology
Notice bibliographique
Résumé
PURPOSE: The aims of this study were to compare in vitro magnetic resonance imaging (MRI) characteristics of keratinocytic skin cancer assessed by a 7-tesla (T) MRI with histopathology, and to describe MRI features of skin tumors. METHODS: This prospective study included 30 skin tumors treated by surgery. MR images of skin samples were acquired on a 7-T MR scanner using a fast spin-echo T(2)-weighted and an isotropic 3D gradient-echo T(1)-weighted sequence. Length, width, Breslow index and margins of the lesions were measured. The presence or absence of the following was noted: healthy margins, ulceration of the dermis, in situ lesions, superficial and deep dermis involvement, subcutaneous involvement, superficial and intratumoral keratin. MR results were compared to histopathology. RESULTS: Interclass correlation coefficient (ICC) was very good for the evaluation of the width (ICC = 0.86) and Breslow index (ICC = 0.87). The ICC was good for the evaluation of the margins (ICC = 0.70) but for length, ICC was lower (ICC = 0.67). Mean bias between MRI and histopathology was inferior to 1 mm for width, Breslow index and margin. CONCLUSION: In vitro 7-T MRI of keratinocytic skin cancer allows delineation of lesions with good correlation with histopathology. After in vivo confirmation it could have a diagnostic role regarding the delineation of surgical margins but its actual limitations prevent its practical adoption at this time.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 ».