Virtual cystoscopy: the evaluation of bladder lesions with computed tomographic virtual cystoscopy
Notice bibliographique
Résumé
PURPOSE: Our objective was to assess the accuracy of computed tomographic virtual cystoscopy (CTVC) in the detection of urinary bladder lesions. METHODS: Twenty-five patients were examined using CTVC. Bladder scanned using multislice CT at a slice thickness of 1 mm. The data were transferred to a workstation for interactive navigation using surface rendering. Findings obtained from CTVC were compared with results from conventional cystoscopy and with pathological findings. RESULTS: Thirty-eight lesions were identified. The smallest was 0.2 × 0.3 cm; the largest was 7 × 4.5 cm. Both CTVC and conventional cystoscopy were used. Conventional cystoscopy detected the same number of lesions that were detected by CTVC. On morphological examination, 26 of the lesions were polypoid, 7 were sessile and 5 were bladder wall-thickening. While one of the polypoid lesions was reported as an inverted papilloma, 2 of the 5 lesions that were identified as wall-thickening were malignant and 3 were benign. The sensitivity of using CTVC to identify neoplasias was 100%; the accuracy was 89%. CONCLUSION: Although the definitive diagnosis of some suspected urinary bladder tumours is only possible with conventional cystoscopy and biopsy, CTVC is a minimally invasive technique which provides beneficial information about urinary bladder lesions.
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 | 0,000 |
| 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 | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».