Evaluation der Primärbefundung durch ein CAD-System in der Mammadiagnostik
Notice bibliographique
Résumé
PURPOSE: To assess the capability of the computer assisted detection (CAD) system to classify calcifications that are histologically verified as malignant and benign or are proven benign by magnification and follow up mammography. MATERIALS AND METHODS: Three groups of microcalcifications (MC) with and without associated masses were enrolled in the study. The cancer group included 141 screen-detected breast cancer cases. One benign group comprised 109 cases with histologically benign specimens obtained through a minimally invasive breast biopsy. A second benign group included 72 lesions with MC that appeared benign on magnification/compression views and were confirmed to be benign on follow-up mammograms over a period of at least 1.5 years. All mammograms were evaluated with a CAD system (Second Look version 3.5, CADx Medical Systems, Canada). RESULTS: CAD correctly detected 125 of 141 (89 %) cancer cases. Of the 16 false negative cases, CAD marked the location of the MC (which were associated with malignant mass) with a mass mark in 12 cases. For benign cases, CAD did not correctly mark the microcalcifications in 59 of the 109 lesions confirmed benign histologically (54.1 %) and in 39 of the 72 lesions established benign mammographically (54.2 %). Adenosis introduced the highest rate of falsely marked microcalcifications (62 %). CONCLUSION: Due to its limited specificity, CAD can still not be recommended for the primary classification of microcalcifications as malignant or benign. Nevertheless, the low false negative rate and rather high detection rate of malignant findings indicate some value of CAD for an independent second reading.
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 | 0,007 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».