Quality control for digital mammography in the ACRIN DMIST trial: Part I
Notice bibliographique
Résumé
The Digital Mammography Imaging Screening Trial, conducted by the American College of Radiology Imaging Network, is a clinical trial designed to compare the accuracy of full-field digital mammography (FFDM) versus screen-film mammography in a screening population. Five FFDM systems from four manufacturers (Fischer, Fuji, General Electric, and Lorad) were employed in the study at 35 clinical sites. A core physics team devised and implemented tests to evaluate these systems. A detailed description of physics and quality control tests is presented, including estimates of: mean glandular dose, modulation transfer function (MTF), 2D noise power spectra, and signal-to-noise ratio (SNR). The mean glandular doses for the standard breast ranged from 0.79 to 2.98 mGy, with 1.62 mGy being the average across all units and machine types. For the five systems evaluated, the MTF dropped to 50% at markedly different percentages (22% to 87%) of the Nyquist limit, indicating that factors other than detector element (del) size have an important effect on spatial resolution. Noise power spectra and SNR were measured; however, we found that it was difficult to standardize and compare these between units. For each machine type, the performance as measured by the tests was very consistent, and no predictive benefit was seen for many of the tests during the 2-year period of the trial. It was found that, after verification of proper operation during acceptance testing, if systems failed they generally did so suddenly rather than through gradual deterioration of performance. Because of the relatively short duration of this study further, investigation of the long-term failure characteristics of these systems is advisable.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».