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 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 | 0,001 | 0,009 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».