P5-08-03: How Reader's Training, Software, and Image Formats Impact Percent Dense Area Measures.
Notice bibliographique
Résumé
Abstract BACKGROUND: Mammographic percent dense area, the percent ratio of dense to total breast area in a mammogram, is one of the strongest measures of a woman's risk of breast cancer. However, systematic differences have been observed between readers and mammography technologies (film and digital) that could cause clinically inconsistent associations with risk. The purpose of this study was to evaluate inter- and intra-reproducibility of percent dense area between readers and between film and digital technologies. METHODS: One hundred digitized film mammograms were randomly selected with 25 films in each of quartile of percent density and read by two readers at two different sites (Mayo Clinic and UCSF). The readers had extensive experience and were also jointly trained at university of Toronto using Cumulus software. After training, all films were read twice with at least one year between duplicate readings. The Mayo clinic reading used Cumulus while UCSF used custom semiautomatic software to estimate total and dense tissue area. In addition, digitized films and unprocessed full field digital mammograms of the same women were assessed by one reader. The time between the film and digital acquisitions ranged from nine to twenty-four months. Interclass correlation coefficient (ICC) was calculated for each comparison. RESULTS: The intra- and inter-observer ICCs, consistency for film images, were 0.96 (UCSF) and 0.97 (Mayo), and 0.96 (UCSF vs. Mayo). We found ICC between film and digital mammograms for percent dense area was 0.88. The digital mammogram had 9% significantly higher total breast area and 5% significantly lower percent density area compared to film. CONCLUSIONS: Similarly trained readers had a high reproducibility regardless of the software used. Our results suggest centralized reader training should enable pooling of film breast density results from different clinics. However, pooling film and digital results would need careful calibration due to lower measured percent dense areas than on film. Citation Information: Cancer Res 2011;71(24 Suppl):Abstract nr P5-08-03.
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 | 0,066 | 0,218 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,003 |
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 ».