Transition zone prostate cancer: Logistic regression and machine‐learning models of quantitative ADC, shape and texture features are highly accurate for diagnosis
Notice bibliographique
Résumé
BACKGROUND: The limitation of diagnosis of transition zone (TZ) prostate cancer (PCa) using subjective assessment of multiparametric (mp) MRI with PI-RADS v2 is related to overlapping features between cancers and stromal benign prostatic hyperplasia (BPH) nodules, particularly in small lesions. PURPOSE: To evaluate modeling of quantitative apparent diffusion coefficient (ADC), texture, and shape features using logistic regression (LR) and support vector machine (SVM) models for the diagnosis of transition zone PCa. STUDY TYPE: Retrospective. POPULATION: Ninety patients; 44 consecutive TZ PCa were compared with 61 consecutive BPH nodules (26 glandular/35 stromal). FIELD STRENGTH/SEQUENCE: W) fast spin-echo, diffusion weighted imaging. ASSESSMENT: W-texture (kurtosis, skewness, entropy, run-length nonuniformity [RLNU], gray-level nonuniformity [GLNU]) analysis. A second radiologist segmented one-fifth of randomly selected lesions to determine the reproducibility of measurements. The reference standard was histopathology for all lesions. STATISTICAL TESTS: Quantitative features were selected a priori and were compared using univariate and multivariate analysis. LR and SVM models of statistically significant features were constructed and evaluated using receiver operator characteristic (ROC) analysis. Subgroup analysis of TZ PCa vs. only stromal BPH and in lesions measuring <15 mm was performed. Agreement in measurements was assessed using the Dice similarity coefficient (DSC). RESULTS: -centile ADC, circularity, and texture (entropy, RLNU, GLNU) features differed between groups (P < 0.0001-0.0058); however, at multivariate analysis only circularity and ADC metrics (P < 0.001) remained significant. LR and SVM models were highly accurate for the diagnosis of TZ PCa (sensitivity/specificity/AUC): 93.2%/98.4%/0.989 and 93.2%/96.7%/0.949, respectively, with no significance difference between the LR and SVM models (P = 0.2271). Reproducibility of segmentation was excellent (DSC 0.84 tumors and 0.87 BPH). Subgroup analyses of TZ PCa vs. stromal BPH (AUC = 0.976) and in <15 mm lesions (AUC = 0.990) remained highly accurate. DATA CONCLUSION: LR and SVM models incorporating previously described quantitative ADC, shape and texture analysis features are highly accurate for the diagnosis of TZ PCa and remained accurate when comparing TZ PCa with stromal BPH and in smaller lesions. LEVEL OF EVIDENCE: 3 Technical Efficacy: Stage 2 J. Magn. Reson. Imaging 2019;50:940-950.
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 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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».