Quantitative texture analysis on pre-treatment computed tomography predicts local recurrence in stage I non-small cell lung cancer following stereotactic radiation therapy
Notice bibliographique
Résumé
Background: The prediction of local recurrence (LR) of stage I non-small cell lung cancer (NSCLC) after definitive stereotactic body radiotherapy (SBRT) remains elusive. The purpose of this study was to assess whether quantitative imaging features on pre-treatment computed tomography (CT) can predict LR beyond 18 (18F) fluorodeoxyglucose (18F-FDG) positron emission tomography (PET)/CT maximum standard uptake value (SUVmax). Methods: This retrospective study evaluated 36 patients with 37 stage I NSCLC who had local tumor control (LC; n=19) and (LR; n=18). Textural features were extracted on pre-treatment CT. Mann-Whitney U tests were used to compare LC and LR groups. Receiver-operating characteristic (ROC) curves were constructed and the area under the curve (AUC) calculated with LR as outcome. Results: Gray-level correlation and sum variance were greater in the LR group, compared with the LC group (P=0.02 and P=0.04, respectively). Gray-level difference variance was lower in the LR group (P=0.004). The logistic regression model generated using gray-level correlation and difference variance features resulted in AUC (SE) 0.77 (0.08) (P=0.0007). The addition of 18F-FDG PET/CT SUVmax did not improve the AUC (P=0.75). Conclusions: CT textural features were found to be predictors of LR of early stage NSCLC on baseline CT prior to SBRT.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».