Fractal Dimension Based Carotid Plaque Characterization from Three-Dimensional Ultrasound Images
Notice bibliographique
Résumé
Carotid atherosclerotic lesions are a major cause of cerebrovascular disease (CVD). Identification and quantification of carotid plaques are important for categorizing the vulnerability of plaques for rupture and assessing the impact of treatments. The irregularity of plaque surface is associated with previous plaque rupture and plays an important role in the risk of stroke. Thus, the aim of this study is to develop and validate novel vulnerability biomarkers from three-dimensional ultrasound (3DUS) images by analyzing the surface morphological characterization of carotid plaque using fractal geometry features. 3D box-counting and 3D blanket are the two types of 3D fractal dimension that were employed to describe the smoothness of plaques. This fractal dimension analysis tool was used to evaluate the effect of atorvastatin using 3DUS carotid images, which were acquired from 6 patients treated with atorvastatin with 80 mg daily and 5 patients with placebo. The Student's T Test results showed that those two fractal features were effective for detecting the statin-related changes in carotid atherosclerosis with p<0.0068 and p<0.015 respectively, suggesting that 3D fractal dimension measurements can be used effectively to analyze the surface characteristics of carotid plaques, especially for evaluating the impact of the treatment.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 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 ».