Evaluation of breast amorphous calcifications by a computer-aided detection system in full-field digital mammography
Notice bibliographique
Résumé
OBJECTIVES: The purpose of this study was to evaluate the performance of a direct computer-aided detection (d-CAD) system integrated with full-field digital mammography (FFDM) in assessment of amorphous calcifications. METHODS: From 1438 consecutive stereotactic-guided biopsies, FFDM images with amorphous calcifications were selected for retrospective evaluation by d-CAD in 122 females (mean age, 56 years; range, 35-84 years). The sensitivity, specificity, accuracy and false-positive rate of the d-CAD system were calculated in the total group of 124 lesions and in the subgroups based on breast density, mammographic lesion distribution and extension. Logistic regression analysis was used to stratify the risk of malignancy by patient risk factors and age. RESULTS: The d-CAD marked all (36/36) breast cancers, 85% (11/13) of the high-risk lesions and 80% (60/75) of benign amorphous calcifications (p<0.01) correctly. The sensitivity, specificity and diagnostic accuracy for the combined malignant and "high-risk" lesions was 96, 80 and 86%, respectively. The likelihood of malignancy was 29%. There was no significant difference between the marking of fatty or dense breasts (p>0.05); however, d-CAD marks showed differences for small (<7 mm) lesions (p=0.02) and clustered calcifications (p=0.03). The false-positive rate of d-CAD was 1.76 marks per full examination. CONCLUSION: The d-CAD system correctly marked all biopsy-proven breast cancers and a large number of biopsy-proven high-risk lesions that presented as amorphous calcifications. Given our 29% likelihood of malignancy, imaging-guided biopsy appears to be a reasonable recommendation in cases of amorphous calcifications marked by d-CAD.
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 ».