MétaCan
Menu
Retour à la cohorte
Enregistrement W2078415268 · doi:10.1109/ultsym.2013.0007

Identifying malignant and benign breast lesions using vibroelastography

2013· article· en· W2078415268 sur OpenAlexafffund
Hani Eskandari, Septimiu E. Salcudean, Robert Rohling, Ali Baghani, Samuel Frew, Paula B. Gordon, Linda Warren

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMedicine
ThématiqueUltrasound Imaging and Elastography
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésFibroadenomaElasticity (physics)Breast tissueUltrasoundBiopsyMedicineDuctal carcinomaRadiologyPathologyBreast cancerMaterials scienceInternal medicine

Résumé

récupéré en direct d'OpenAlex

Vibroelastography is a technique to measure tissue elasticity using a multi-frequency shear wave approach. The method uses ultrasound to image dynamic deformation of soft tissue while an actuator applies surface vibrations. In this paper we evaluate vibroelastography for the first time in differentiating between malignant and benign breast lesions. A dataset of 20 lesions, including fibroadenoma and invasive ductal carcinoma (IDC) lesions was analysed. Ultrasound radio-frequency data were captured while the breast tissue was vibrated with a snap-on actuator at multiple frequencies at an amplitude of less than 100 microns. After the VE exam, the subjects underwent core-needle biopsy. The pathology report was used as the ground truth to validate the VE result. The VE results indicate that both benign fibroadenoma and IDC result in hardening of the tissue; however, IDC lesions exhibits higher values of elasticity compared to benign masses which can be captured using absolute and relative elasticity maps provided by VE.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,577
Score d'incertitude au seuil0,521

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,261
Écart entre enseignants0,242 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations18
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetUltrasound Imaging and ElastographyTravaux en français237 207