Differentiation of Fibroadenomas and Pure Mucinous Carcinomas on Dynamic Contrast-Enhanced MRI of the Breast Using Volume Segmentation for Kinetic Analysis: A Feasibility Study
Notice bibliographique
Résumé
OBJECTIVE: The objective of this study was to retrospectively evaluate the diagnostic performance of volume-based kinetic analysis in dynamic contrast-enhanced MRI (DCE-MRI) of the breast for the differentiation of fibroadenomas (FAs) with high T2 signal intensity from pure mucinous carcinomas (PMCs). MATERIALS AND METHODS: A review of records from 2007 to 2013 that were stored in the pathology department database at our institution identified nine patients with PMCs (defined as tumor cells with a mucinous component ≥ 90%) who underwent preoperative breast MRI. The PMCs were compared with 15 biopsy-proven FAs from 13 patients. Characteristics noted on DCE-MRI were evaluated using computer-assisted diagnosis software. For each mass, the proportion of progressive enhancement in the lesion at the delayed phase was quantified. Both groups of masses were compared using a Wilcoxon signed rank test. A ROC curve was used to define an appropriate cutoff point. RESULTS: The median rate of progressive enhancement was 100% (range, 99-100%) for FAs and 97% (range, 87-99%) for PMCs (p = 0.0326). The AUC of the kinetic curve for progressive enhancement was 0.7519 (95% CI, 0.5258-0.9407). A more appropriate cutoff value to maximize sensitivity and specificity was 98.5%. With this cutoff, sensitivity was 66.7% (95% CI, 11.1-100%) and specificity was 80% (95% CI, 39.6-99.8%) for the diagnosis of PMCs. CONCLUSION: Volume-based kinetic analysis may aid in differentiating FAs from PMCs on DCE-MRI studies of the breast.
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 | 0,010 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».