Can strain elastography improve the characterization of breast lesions identified during second‐look MRI‐directed sonographic examination?
Notice bibliographique
Résumé
PURPOSE: To evaluate strain elastography as a complementary tool for characterization of lesions identified during second-look MRI-directed sonographic examination. METHODS: We reviewed 83 breast lesions evaluated with MRI, secondlook ultrasound (US) and strain elastography in 75 consecutive patients (median age, 56 years). US-guided biopsies were performed in all cases. RESULTS: After histopathological examination, 44 lesions were benign, 38 were malignant and 1 was high-risk. At MRI, the mean size of the lesions was 12 mm. Forty lesions (48.2%) appeared as masses, 30 (36.1%) as "non-masses" and 13 (15.7%) as "foci." At second-look US examination, 56 (67.5%) appeared as masses (mean size, 7 mm) and 27 (32.5%) as non-masses (mean size, 14 mm). At strain elastography, among the 39 malignant/high risk lesions, 5 (12.8%) had a score of 4 or 5, whereas 16 (41%) had a score of 1 and 2 (false negative). Among the 44 benign lesions, 36 (82%) had a score of 1 or 2, whereas none had a score of 5. Sensitivity and specificity of strain elastography in the diagnosis of breast cancer were 58% and 81%, respectively. CONCLUSION: The addition of strain elastography offers no benefit in the characterization of lesions identified on second-look US after breast MRI.(E1, 3).
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 | 0,001 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».