Haralick texture feature analysis for quantifying radiation response heterogeneity in murine models observed using Raman spectroscopic mapping
Notice bibliographique
Résumé
Tumour heterogeneity plays a large role in the response of tumour tissues to radiation therapy. Inherent biological, physical, and even dose deposition heterogeneity all play a role in the resultant observed response. We here implement the use of Haralick textural analysis to quantify the observed glycogen production response, as observed via Raman spectroscopic mapping, of tumours irradiated within a murine model. While an array of over 20 Haralick features have been proposed, we here concentrate on five of the most prominent features: homogeneity, local homogeneity, contrast, entropy, and correlation. We show that these Haralick features can be used to quantify the inherent heterogeneity of the Raman spectroscopic maps of tumour response to radiation. Furthermore, our results indicate that Haralick-calculated textural features show a statistically significant dose dependent variation in response heterogeneity, specifically, in glycogen production in tumours irradiated with clinically relevant doses of ionizing radiation. These results indicate that Haralick textural analysis provides a quantitative methodology for understanding the response of murine tumours to radiation therapy. Future work in this area can, for example, utilize the Haralick textural features for understanding the heterogeneity of radiation response as measured by biopsied patient tumour samples, which remains the standard of patient tumour investigation.
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) | 0,000 | 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 | 0,000 |
| 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 ».