MétaCan
Menu
Retour à la cohorte
Enregistrement W2892823914 · doi:10.23919/ursi-at-rasc.2018.8471608

On the Potential Use of Anatomical and Epidemiological Information to Enhance Microwave and Ultrasound Breast Imaging

2018· article· en· W2892823914 sur OpenAlexaff
Pedram Mojabi, Joe LoVetri

Notice bibliographique

Revue2018 2nd URSI Atlantic Radio Science Meeting (AT-RASC) · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrowave Imaging and Scattering Analysis
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésPixelComputer scienceArtificial intelligenceMicrowave imagingBayes' theoremComputer visionStatistical modelIterative reconstructionPattern recognition (psychology)Breast cancerData miningMedicineMicrowaveCancerBayesian probability

Résumé

récupéré en direct d'OpenAlex

This paper proposes the use of available anatomical and epidemiological (statistical) information regarding breast cancer in conjunction with microwave and ultrasound breast imaging. This information, which can be extracted from the broader medical research effort, can be used in conjunction with image reconstruction algorithms to further guide those algorithms towards a more accurate solution. In particular, we propose to consider the following anatomical and statistical information into the image reconstruction process via the tissue-type framework. Anatomical information is utilized in assigning a tissue-type and its corresponding probability to a given pixel by considering the neighbouring reconstructed pixels (epidemiological information related to the anatomical surroundings of the pixel is used to modify the prior probabilities in the Bayes prediction model). Two types of epidemiological information are used in reconstructing the tissue-type image to improve the discrimination between tumor and cyst: the quadrant of the breast within which a pixel is located provides statistical information regrading whether of being cancerous, and the age of the patient can provide similar information.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,698
Score d'incertitude au seuil0,627

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,225
Écart entre enseignants0,217 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2018 2nd URSI Atlantic Radio Science Meeting (AT-RASC)Même sujetMicrowave Imaging and Scattering AnalysisTravaux en français237 207