Can Experienced Observers Differentiate between Lipoma and Well-Differentiated Liposarcoma Using Only MRI?
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
Well-differentiated liposarcoma represents a radiographic diagnostic dilemma. To determine the accuracy, interrater reliability, and relationship of stranding, nodularity, and size in the MRI differentiation of lipoma and well-differentiated liposarcoma, MRI scans of 60 patients with large (>5 cm), deep, pathologically proven lipomas or well-differentiated liposarcomas were examined by 10 observers with subspecialty training blinded to diagnosis. Observers indicated whether the amount of stranding, nodularity, and size of each tumor suggested a benign or malignant diagnosis and rendered a diagnosis of lipoma or well-differentiated liposarcoma. The accuracy, reliability, and relationship of stranding, nodularity, and size to diagnosis were calculated for all samples. 69% of reader MRI diagnoses agreed with final pathology diagnosis (95% CI 65-73%). Readers tended to err choosing a diagnosis of liposarcoma, correctly identifying lipomas in 63% of cases (95% CI 58-69%) and liposarcomas in 75% of cases (95% CI 69-80%). Assessment of the relationship of stranding, nodularity, and size to correct diagnosis showed that the presence of each was associated with a decreased likelihood of a lipoma pathological diagnosis (P < 0.01). While the radiographic diagnosis of lipoma or well-differentiated liposarcoma cannot be made with 100% certainty, experienced observers have a 69% chance of rendering a correct diagnosis.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,001 | 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 découle