MP63-10 DEVELOPMENT OF A CLINICAL DECISION-SUPPORT TOOL FOR CLASSIFICATION OF RENAL MASSES
Notice bibliographique
Résumé
and standing in axial and sagittal planes; transverse T1 images at 5-mm thickness, field of view 24 cm, matrix 224x192, sagittal T2 images at 5 mm thickness, field of view 30F cm, matrix 192x160.Axial and sagittal slices were manually segmented (Analyze 12 software) for bladder, urethra, vagina, uterus, cervix, and pelvic floor muscles (PFM), levator ani, piriformis and obturator internus.The pubic bone was segmented as a fixed reference point.Segmentation was based on an amalgamation of knowledge of the anatomic structures and variation in greyscale contrast.3D renderings used surface-rendering.RESULTS: Upright posture reviewed anatomic defects in POP most notable being the levator ani defects not detectable in the supine position with increased size of defects with standing compared to sitting and differences between right and left sides.Fig 1 (A) anterior view showing a 3D model of PFMs, (B) inferior view identifies detachment of the levator ani (arrows).(Segmentation of structures blue ¼ pubic bone, green ¼ ilium and ischium, brown ¼ sacrum, purple ¼ femoral head, pink ¼ levator ani, obturator and symphysis, and light blue ¼ coccyx) CONCLUSIONS: Upright posture unique to MRO allows demonstration of the size and extent of pelvic floor disruption.The new protocol presented allowed for capture of defects in all POP subjects providing clinical information not evident from supine imaging and is feasible for MRO translation of the pelvis into clinical practice.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,027 | 0,011 |
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 ».