Optimal excitation wavelengths for discrimination of cervical neoplasia
Notice bibliographique
Résumé
Fluorescence spectroscopy has shown promise for the in vivo, real-time detection of cervical neoplasia. However, selection of excitation wavelength has in the past been based on in vitro studies and the availability of light sources. The goal of this study was to determine optimal excitation wavelengths for in vivo detection of cervical neoplasia. Fluorescence excitation-emission matrices (EEMs) were measured in vivo from 351 sites in 146 patients. Data were analyzed in pairs of diagnostic classes to determine which combination of excitation wavelengths yields classification algorithms with the greatest sensitivity and specificity. We find that 330-340-, 350-380-, and 400-450-nm excitation yield the best performance. The sensitivity and specificity for discrimination of squamous normal tissue and high-grade squamous intraepithelial lesion (HGSIL) were 71% and 77% on cross validation using three excitation wavelengths. These results are comparable with those found in earlier in vivo studies; however, in this study we find that the proportion of samples which are HGSIL influences performance. Furthermore stratification of samples within low-grade squamous intraepithelial lesion and HGSIL also appears to influence diagnostic performance. Future diagnostic studies should be carried out at these excitation wavelengths in larger groups so that data can be stratified by diagnostic subcategory, age and menopausal status. Similarly, large studies should be done in screening populations.
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 | 0,000 | 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) | 0,001 | 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 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 ».