Spot and Diffuse Signs: Quantitative Markers of Intracranial Hematoma Expansion at Dual-Energy CT
Notice bibliographique
Résumé
Purpose To compare dual-energy CT with iodine quantification to single-energy CT for evaluation of the spot sign for intracranial hematoma expansion. Materials and Methods In this retrospective study, 42 patients (mean age, 66 years ± 15 [standard deviation]; 19 women) were referred for dual-energy CT assessment of intracranial hemorrhage from October 2014 to January 2017. A machine learning approach (naive Bayes classifier) was used to identify iodine markers of extravasation for risk of hematoma expansion. Specificity and sensitivity of these markers were then independently validated in 65 new patients from February 2017 to February 2018. Results Analysis of dual-energy CT images identified two features of iodine extravasation: total iodine concentration within the hematoma (Ih) and focal iodine concentration in the brightest spot in the hematoma (Ibs) as predictors of expansion. The I2 score derived from these features provided a measure of expansion probability. Optimal classification threshold was an I2 score of 20 (95% confidence interval [CI]: 18, 23), leading to correct identification of 39 of 46 (85%; 95% CI: 71%, 94%) of the hematomas on the training set (sensitivity of 79% [11 of 14; 95% CI: 57%, 100%] and specificity of 88% [28 of 32; 95% CI: 76%, 99%]), and 62 of 70 (89%; 95% CI: 79%, 95%) of the hematomas on the validation set (sensitivity of 71% [10 of 14; 95% CI: 48%, 95%] and specificity of 93% [52 of 56; 95% CI: 86%, 100%]). Sensitivity, specificity, and accuracy of conventional spot sign were, respectively, 57% (eight of 14), 90% (29 of 32), and 80% (37 of 46) on the training set and 57% (eight of 14), 83% (47 of 56), and 75% (53 of 70) on the validation set. Conclusion This study identified two quantitative markers of intracranial hemorrhage expansion at dual-energy CT of the brain. The I2 score derived from these markers highlights the utility of dual-energy CT measurements of iodine content for high sensitivity risk assessment. © RSNA, 2018 Online supplemental material is available for this article.
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 | 0,003 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».