MétaCan
Menu
Retour à la cohorte
Enregistrement W2904582373 · doi:10.14366/usg.18024

Multislice computed tomography/contrast-enhanced ultrasound image fusion as a tool for evaluating unclear renal cysts

2018· article· en· W2904582373 sur OpenAlexaff
Johannes Rübenthaler, Stephanie R. Wilson, Dirk‐André Clevert

Notice bibliographique

RevueULTRASONOGRAPHY · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueRenal cell carcinoma treatment
Établissements canadiensFoothills Medical CentreUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésMedicineRadiologyUltrasoundVascularityMagnetic resonance imagingImage fusionMultisliceContrast-enhanced ultrasoundUltrasonographyComputed tomographyTomographyFusion

Résumé

récupéré en direct d'OpenAlex

Ultrasonography is a generally accepted imaging technique for diagnosing and monitoring cystic renal lesions. The widely used Bosniak classification (I-IV) categorizes renal cystic lesions into five distinctive groups according to ultrasonography and computed tomography (CT) image criteria. For solid renal lesions, determination of vascularity is discriminatory for malignancy in most instances. In indeterminate cases, contrast-enhanced ultrasound (CEUS) and magnetic resonance imaging/CT-ultrasound image fusion are able to detect and characterize difficult pathologies, with superior performance to either technique alone. In contrast to multislice CT (MS-CT), ultrasound image fusion is a real-time imaging technique that can be used in combination with other cross-sectional imaging modalities. This technical note describes state-of-the-art image fusion of CEUS and MS-CT to detect and characterize unclear renal pathologies.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,248
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
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 Opus0,021
Tête enseignante GPT0,304
Écart entre enseignants0,284 · 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.

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

Citations14
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueULTRASONOGRAPHYMême sujetRenal cell carcinoma treatmentTravaux en français237 207