Advances in the histopathological characterization of breast tissue using combined X‐ray fluorescence and X‐ray diffraction data in a multivariate analysis approach
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Previous studies have shown that the combination of X‐ray fluorescence and X‐ray diffraction data can be used as a histopathological characterization tool for breast tissue. Recent advances in energy‐dispersive X‐ray fluorescence techniques have allowed for benchtop systems to produce useful results in a reasonable time frame, allowing for clinical implementation to be realized. Using a polarized energy‐dispersive X‐ray fluorescence and energy‐dispersive X‐ray diffraction system optimized for measuring soft tissues, 38 breast tissue samples (19 normal and 19 diseased) were interrogated. The measured elemental concentrations and adipose and fibrous tissue contents were used in a principal component analysis study to determine the variables that produced the most differentiation between the normal and diseased tissues. For each sample, a soft independent modeling of class analogy technique was utilized to create classification models using the K, Fe, and Zn concentration and adipose and fibrous tissue content of all other breast samples. The class model produced from both X‐ray fluorescence and X‐ray diffraction data correctly classified 31 of 38 samples with no false positives or false negatives, showing improvement from solely X‐ray fluorescence models or X‐ray diffraction models alone, and demonstrates the usefulness of such a technique.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle