In vivo assessment and evaluation of lung tissue morphologic and physiological changes from non-contact endoscopic reflectance spectroscopy for improving lung cancer detection
Notice bibliographique
Résumé
We present a method for lung cancer detection exploiting reflectance spectra measured in vivo during endoscopic imaging of the lung. The measured reflectance spectra were analyzed using a specially developed light-transport model to obtain quantitative information about cancer-related, physiological, and morphologic changes in the superficial bronchial mucosa layers. The light-transport model allowed us to obtain the absorption coefficient (mua) and further to derive the micro-vascular blood volume fraction in tissue and the tissue blood oxygen saturation. The model also allowed us to obtain the scattering coefficient (mus) and the anisotropy coefficient (g) and further to derive the tissue scattering micro-particle volume fraction and size distribution. The specular component of the reflectance signal and the instrument response were accounted for during the analysis. The method was validated using 100 reflectance spectra measured in vivo in a noncontact fashion from 22 lung patients (50 normal tissue/benign lesion sites and 50 malignant lesion sites). The classification between normal tissue/benign lesions and malignant lesions was further investigated using the derived quantitative parameters and discriminant function analysis. The results demonstrated significant differences between the normal tissue/benign lesions and the malignant lesions in terms of tissue blood volume fraction, blood oxygen saturation, tissue scatterer volume fractions, and size distribution. The results also showed that the malignant lung lesions can be differentiated from normal tissue/benign lesions with both diagnostic sensitivity and specificity of better than 80%.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,001 | 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 ».