Efficacy Evaluation of SAVE for the Diagnosis of Superficial Neoplastic Lesion
Notice bibliographique
Résumé
The detection of non-polypoid superficial neoplastic lesions using current standard of white light endoscopy surveillance and random biopsy is associated with high miss rate. The subtle changes in mucosa caused by the flat and depressed neoplasms often go undetected and do not qualify for further investigation, e.g., biopsy and resection, thus increasing the risk of cancer advancement. This paper presents a screening tool named the saliency-aided visual enhancement (SAVE) method, with an objective of highlighting abnormalities in endoscopic images to detect early lesions. SAVE is a hybrid system combining image enhancement and saliency detection. The method provides both qualitative enhancement and quantitative suspicion index for endoscopic image regions. A study to evaluate the efficacy of SAVE to localize superficial neoplastic lesion was performed. Experimental results for average overlap index >0.7 indicated that SAVE was successful to localize the lesion areas. The area under the receiver-operating characteristic curve obtained for SAVE was 94.91%. A very high sensitivity (100%) was achieved with a moderate specificity (65.45%). Visual inspection showed a comparable performance of SAVE with chromoendoscopy to highlight mucosal irregularities. This paper suggests that SAVE could be a potential screening tool that can substitute the application of burdensome chromoendoscopy technique. SAVE method, as a simple, easy-to-use, highly sensitive, and consistent red flag technology, will be useful for early detection of neoplasm in clinical applications.
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 | 0,001 |
| 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 ».