Combining Multiple Magnetic Resonance Imaging Sequences Provides Independent Reproducible Radiomics Features
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
To evaluate the relative contribution of different Magnetic Resonance Imaging (MRI) sequences for the extraction of radiomics features in a cohort of patients with lacrimal gland tumors. This prospective study was approved by the Institutional Review Board and signed informed consent was obtained from all participants. From December 2015 to April 2017, 37 patients with lacrimal gland lesions underwent MRI before surgery, including axial T1-WI, axial Diffusion-WI, coronal DIXON-T2-WI and coronal post-contrast DIXON-T1-WI. Two readers manually delineated both lacrimal glands to assess inter-observer reproducibility, and one reader performed two successive delineations to assess intra-observer reproducibility. Radiomics features were extracted using an in-house software to calculate 85 features per region-of-interest (510 features/patient). Reproducible features were defined as features presenting both an intra-class correlation coefficient ≥0.8 and a concordance correlation coefficient ≥0.9 across combinations of the three delineations. Among these features, the ones yielding redundant information were identified as clusters using hierarchical clustering based on the Spearman correlation coefficient. All the MR sequences provided reproducible radiomics features (range 14(16%)-37(44%)) and non-redundant clusters (range 5-14). The highest numbers of features and clusters were provided by the water and in-phase DIXON T2-WI and water and in-phase post-contrast DIXON T1-WI (37, 26, 26 and 26 features and 14,12, 9 and 11 clusters, respectively). A total of 145 reproducible features grouped into 51 independent clusters was provided by pooling all the MR sequences. All MRI sequences provided reproducible radiomics features yielding independent information which could potentially serve as biomarkers.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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