Magnetic resonance imaging for prostate bed radiotherapy planning: An inter‐ and intra‐observer variability study
Notice bibliographique
Résumé
INTRODUCTION: We assessed the inter- and intra-observer variability in contouring the prostate bed for radiation therapy planning using MRI compared with computed tomography (CT). METHODS: We selected 15 patients with prior radical prostatectomy. All had CT and MRI simulation for planning purposes. Image fusions were done between CT and MRI. Three radiation oncologists with several years of experience in treating prostate cancer contoured the prostate bed first on CT and then on MRI. Before contouring, each radiation oncologist had to review the Radiation Therapy Oncology Group guidelines for postoperative external beam radiotherapy. The agreement between volumes was calculated using the Dice similarity coefficient (DSC). Analysis was done using the Matlab software. The DSC was compared using non-parametric statistical tests. RESULTS: Contouring on CT alone showed a statistically significant (P = 0.001) higher similarity between observers with a mean DSC of 0.76 (standard deviation ± 0.05) compared with contouring on MRI with a mean of 0.66 (standard deviation ± 0.05). Mean intra-observer variability between CT and MRI was 0.68, 0.75 and 0.78 for the three observers. The clinical target volume was 19-74% larger on CT than on MRI. The intra-observer difference in clinical target volume between CT and MRI was statistically significant in two observers and non-significant in the third one (P = 0.09). CONCLUSIONS: We found less inter-observer variability when contouring on CT than on MRI. Radiation Therapy Oncology Group contouring guidelines are based on anatomical landmarks readily visible on CT. These landmarks are more inter-observer dependent on MRI. Therefore, present contouring guidelines might not be applicable to MRI planning.
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 | 0,002 | 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 ».