Computer‐aided diagnosis for estimating the malignancy grade of hepatocellular carcinoma using contrast‐enhanced ultrasound: an <scp>ROC</scp> observer study
Notice bibliographique
Résumé
BACKGROUND & AIMS: We are developing a computer-aided diagnosis (CAD) system for estimating the malignancy grade of hepatocellular carcinoma (HCC) using contrast-enhanced ultrasound (CEUS). In this study, observers estimated the malignancy grade of HCC with and without the cues provided by CAD. MATERIALS AND METHODS: Institutional review board approval was obtained and informed consent was waived. A total of 232 histologically confirmed HCCs were studied: 76 well-differentiated HCC (w-HCC), 133 moderately differentiated HCC (m-HCC), and 23 poorly differentiated HCC (p-HCC). In this observer study, CEUS vascular images acquired using the maximum intensity projection technique were displayed together with static B-mode and Kupffer-phase (defined as 10 min after injection) images. Five hepatologists independently assigned confidence ratings for the malignancy grade of each HCC. Each hepatologist first read each case without CAD and then immediately afterwards with CAD. The observers' rating data were evaluated by multireader multicase receiver operating characteristic (ROC) analysis. RESULTS: The overall sensitivity of our CAD system for discrimination between three histological differentiation grades of HCC was 87.5% (203/232). For discrimination between w-HCC and m/p-HCC, the mean area under the ROC curve (AUC) for the five observers was significantly improved from 0.779 ± 0.074 to 0.872 ± 0.090 with CAD (P = 0.0069). For discrimination between m-HCC and p-HCC, the mean AUC was also significantly improved from 0.713 ± 0.107 to 0.863 ± 0.101 with CAD (P = 0.0321). CONCLUSION: The use of our CAD system can significantly improve the diagnostic performance of hepatologists in discriminating between three histological differentiation grades of HCC using CEUS.
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) | 0,000 | 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 ».