The added value of quantitative ultrasound to shear wave elastography for assessment of steatohepatitis in a rat model
Notice bibliographique
Résumé
Non-alcoholic fatty liver disease is a highly prevalent condition, which may progress to non-alcoholic steatohepatitis (NASH), an advanced form found in 3 to 5% of the population. As liver biopsy is invasive, there is a need for a non-invasive technique for the assessment of NASH. Due to promising results of shear wave elastography (SWE) in staging this disease, there is a high interest in developing a multi-parametric approach for assessment of liver steatosis within the same ultrasound (US) examination. The goal of this study was to assess the added value of quantitative US (QUS) parameters to SWE, based on random forest classifiers and areas under the ROC curve (AUC). Sixty male Sprague-Dawley rats were either fed a standard chow or a methionine- and choline-deficient diet. Using a research US system (model V1, Verasonics Inc.), SWE measurements were performed while rats were under anesthesia. To generate shear wavefronts within the liver, a linear array US transducer (ATL L7-4, Philips) was used to induce three 40-V 125-μs long radiation force pushes 4 mm apart. For SW tracking, the same transducer was used to acquire plane wave radiofrequency data at a frame rate of 4 kHz; images were reconstructed using the f-k migration algorithm. QUS acquisitions were performed using the same system and transducer. One hundred frames were acquired, migrated, and the echo envelope was obtained with Hilbert transforms. The image post-processing yielded 4 homodyned-K parametric maps within the region-of-interest (ROI), from which 8 features were extracted. The local attenuation coefficient slope within the ROI was also computed using the spectral shift method. QUS parameters improved the classification accuracy of steatohepatitis, liver steatosis, inflammation, and fibrosis compared to SWE alone. For detection of liver steatosis grades 0 vs ≥ 1, ≤ 1 vs ≥ 2, ≤ 2 vs 3, respectively, AUCs increased from 0.70, 0.65, and 0.69 to 0.78, 0.78, and 0.75 (p <; 0.001).
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».