The relationship between anatomic noise and volumetric breast density for digital mammography
Notice bibliographique
Résumé
PURPOSE: The appearance of parenchymal∕stromal patterns in mammography have been characterized as having a Wiener power spectrum with an inverse power-law shape described by the exponential parameter, β. The amount of fibroglandular tissue, which can be quantified in terms of volumetric breast density (VBD), influences the texture and appearance of the patterns formed in a mammogram. Here, a large study is performed to investigate the variations in β in a clinical population and to indicate the relationship between β and breast density. METHODS: From a set of 2686 cranio-caudal normal screening mammograms, the parameter β was extracted from log-log fits to the Wiener spectrum over the range 0.15-1 mm(-1). The Wiener spectrum was calculated from regions of interest in the compression paddle contact region of the breast. An in-house computer program, Cumulus V, was used to extract the volumetric breast density and identify the compression paddle contact regions of the breast. The Wiener spectra were calculated with and without modulation transfer function (MTF) correction to determine the impact of VBD on the intrinsic anatomic noise. RESULTS: The mean volumetric breast density was 25.5% (±12.6%) over all images. The mean β following a MTF correction which decreased the β slightly (≈-0.08) was found to be 2.87. Varying the maximum of the spatial frequency range of the fits from 0.7 to 1.0, 1.25 or 1.5 mm(-1) showing small decreases in the result, although the effect of the quantum noise power component on reducing β was clearly observed at 1.5 mm(-1). CONCLUSIONS: The texture parameter, β, was found to increase with VBD at low volumetric breast densities with an apparent leveling off at higher densities. The relationship between β and VBD measured here can be used to create probabilistic models for computer simulations of detectability. As breast density is a known risk predictor for breast cancer, the correlation between β and VBD suggests that β may provide predictive information and this will be investigated in the future.
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 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,002 | 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 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 ».