Diffusional kurtosis imaging for differentiating between high‐grade glioma and primary central nervous system lymphoma
Notice bibliographique
Résumé
BACKGROUND: The aim of this study was to assess the diagnostic accuracy of diffusion kurtosis magnetic resonance imaging parameters for differentiating high-grade gliomas (HGGs) from primary central nervous system lymphomas (PCNSLs). METHODS: Diffusion parameters, including fractional anisotropy (FA), mean diffusivity (MD), axial diffusivity (λ// ), radial diffusivity (λ⊥ ); and kurtosis parameters, including mean kurtosis (MK), axial kurtosis (K// ), and radial kurtosis (K⊥ ), were normalized to contralateral normal-appearing white matter (NAWMc) to decrease inter-individual and inter-regional changes across the entire brain, and then compared with the solid parts of 20 HGGs and 11 PCNSLs [median 95% confidence interval (CI), P < 0.004; 0.05/14], significance level, Kolmogorov-Smirnov test, Bonferroni correction]. RESULTS: FA, MD, λ// , and λ⊥ values were higher in HGGs than in PCNSLs, but not significantly [HGGs: 0.209 (95% CI, 0.134-0.338), 1.385 (95% CI, 1.05-1.710), 1.655 (95% CI, 1.30-2.060), 1.228 (95% CI, 0.932-1.480), respectively; PCNSLs: 0.143 (95% CI, 0.110-0.317), 1.070 (95% CI, 0.842-1.470), 1.260 (95% CI, 0.960-1.930), 1.010 (95% CI, 0.782-1.240)], respectively; P = 0.120, 0.010, 0.004, and 0.004, respectively). However, MK and K// were significantly higher in PCNSLs compared with HGGs [PCNSLs: 0.765 (95% CI, 0.697-0.890), 0.787 (95% CI, 0.615-1.030), respectively; HGGs: 0.531 (95% CI, 0.402-0.766), 0.532 (95% CI, 0.432-0.680], respectively; P = 0.001, 0.000, respectively); but not K⊥ [0.774 (95% CI, 0.681-0.899) for PCNSLs; 0.554 (95% CI, 0.389-0.954) for HGGs; P = 0.024]. CONCLUSION: There were significant differences in kurtosis parameters (MK and K// ) between HGGs and PCNSLs, while differences in diffusion parameters between them did not reach significance; hence, better separation was achieved with these parameters than with conventional diffusion imaging parameters. J. Magn. Reson. Imaging 2016;44:30-40.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».