The use of X‐ray interaction data to differentiate malignant from normal breast tissue at surgical margins and biopsy analysis
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
X‐ray interaction data, including measuring bio‐metal levels and scattering characteristics, are being shown to be a possible discriminating variable in the classification of human tissues. However, a major concern when using X‐ray interaction data in breast cancer material is that the samples are rarely 100% tumour because of the invasive nature of the disease. The work reported here includes a methodology to help overcome this limitation as the experimental protocol includes mapping the data to histological analysis of the measured samples. This work has shown how important it is to relate the measured X‐ray parameters to the histology of the samples, particularly the clinical information that describes the percentage of tumour within each sample. Levels of K, Ca, Zn, Fe, Cu, Br and Rb were evaluated using X‐ray fluorescence and compared between tumour breast tissue and normal surrounding breast tissue. The coherent scattering properties of each sample were also examined using an angular dispersive X‐ray diffraction technique. Multivariate modelling using soft independent modelling of class analogy was used to classify samples kept out of the modelling procedure. A significant increase ( p < 0.01) in the levels of Rb, Zn and K was found in the tumour samples. The levels of these elements show a correlation with the percentage of tumour reported to be present in a given sample. The results of classifying unknown tissue samples are presented using two‐class and three‐class models that help to reveal the importance of sample histology in studies involving breast cancers. Copyright © 2013 John Wiley & Sons, Ltd.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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