Potential Contribution of Computer-aided Detection to the Sensitivity of Screening Mammography
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
PURPOSE: To determine the false-negative rate in screening mammography, the capability of computer-aided detection (CAD) to identify these missed lesions, and whether or not CAD increases the radiologists' recall rate. MATERIALS AND METHODS: All available screening mammograms that led to the detection of biopsy-proved cancer (n = 1,083) and the most recent corresponding prior mammograms (n = 427) were collected from 13 facilities. Panels of radiologists evaluated the retrospectively visible prior mammograms by means of blinded review. All mammograms were analyzed by a CAD system that marks features associated with cancer. The recall rates of 14 radiologists were prospectively measured before and after installation of the CAD system. RESULTS: At retrospective review, 67% (286 of 427) of screening mammography-detected breast cancers were visible on the prior mammograms. At independent, blinded review by panels of radiologists, 27% (115 of 427) were interpreted as warranting recall on the basis of a statistical evaluation index; and the CAD system correctly marked 77% (89 of 115) of these cases. The original attending radiologists' sensitivity was 79% (427 of [427 + 115]). There was no statistically significant increase in the radiologists' recall rate when comparing the values before (8.3%) with those after (7.6%) installation of the CAD system. CONCLUSION: The original attending radiologists had a false-negative rate of 21% (115 of [427 + 115]). CAD prompting could have potentially helped reduce this false-negative rate by 77% (89 of 115) without an increase in the recall rate.
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.
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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle