MRI Texture Analysis Predicts p53 Status in Head and Neck Squamous Cell Carcinoma
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
BACKGROUND AND PURPOSE: Head and neck cancer is common, and understanding the prognosis is an important part of patient management. In addition to the Tumor, Node, Metastasis staging system, tumor biomarkers are becoming more useful in understanding prognosis and directing treatment. We assessed whether MR imaging texture analysis would correctly classify oropharyngeal squamous cell carcinoma according to p53 status. MATERIALS AND METHODS: A cohort of 16 patients with oropharyngeal squamous cell carcinoma was prospectively evaluated by using standard clinical, histopathologic, and imaging techniques. Tumors were stained for p53 and scored by an anatomic pathologist. Regions of interest on MR imaging were selected by a neuroradiologist and then analyzed by using our 2D fast time-frequency transform tool. The quantified textures were assessed by using the subset-size forward-selection algorithm in the Waikato Environment for Knowledge Analysis. Features found to be significant were used to create a statistical model to predict p53 status. The model was tested by using a Bayesian network classifier with 10-fold stratified cross-validation. RESULTS: Feature selection identified 7 significant texture variables that were used in a predictive model. The resulting model predicted p53 status with 81.3% accuracy (P < .05). Cross-validation showed a moderate level of agreement (κ = 0.625). CONCLUSIONS: This study shows that MR imaging texture analysis correctly predicts p53 status in oropharyngeal squamous cell carcinoma with ∼80% accuracy. As our knowledge of and dependence on tumor biomarkers expand, MR imaging texture analysis warrants further study in oropharyngeal squamous cell carcinoma and other head and neck tumors.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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