The Added Value of Statistical Modeling of Backscatter Properties in the Management of Breast Lesions at US
Notice bibliographique
Résumé
PURPOSE: To develop a classification method based on the statistical backscatter properties of tissues that can be used as an ancillary tool to the usual Breast Imaging Reporting and Data System (BI-RADS) classification for solid breast lesions identified at ultrasonography (US). MATERIALS AND METHODS: This study received institutional review board approval, and all subjects provided informed consent. Eighty-nine women (mean age, 50 years; age range, 22-82 years) with 96 indeterminate solid breast lesions (BI-RADS category 4-5; mean size, 13.2 mm; range, 2.6-44.7 mm) were enrolled. Prior to biopsy, additional radiofrequency US images were obtained, and a 3-second cine sequence was used. The research data were analyzed at a later time and were not used to modify patient management decisions. The lesions were segmented manually, and parameters of the homodyned K distribution (α, k, and μn values) were extracted for three regions: the intratumoral zone, a 3-mm supratumoral zone, and a 5-mm infratumoral zone. The Mann-Whitney rank sum test was used to identify parameters with the best discriminating value, yielding intratumoral α, supratumoral k, and infratumoral μn values. RESULTS: The 96 lesions were classified as follows: 48 BI-RADS category 4A lesions, 16 BI-RADS category 4B lesions, seven BI-RADS category 4C lesions, and 25 BI-RADS category 5 lesions. There were 24 cancers (25%). The area under the receiver operating characteristic curve was 0.76 (95% confidence interval: 0.65, 0.86). Overall, 24% of biopsies (in 17 of 72 lesions) could have been spared. By limiting analysis to lesions with a lower likelihood of malignancy (BI-RADS category 4A-4B), this percentage increased to 26% (16 of 62 lesions). Among benign lesions, the model was used to correctly classify 10 of 38 fibroadenomas (26%) and three of seven stromal fibroses (43%). CONCLUSION: The statistical model performs well in the classification of solid breast lesions at US, with the potential of preventing one in four biopsies without missing any malignancy.
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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,001 |
| 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 ».