Assessment of metastatic lymph nodes in head and neck squamous cell carcinomas using simultaneous 18F-FDG-PET and MRI
Notice bibliographique
Résumé
Abstract In this study, we investigate the feasibility of using dynamic contrast enhanced magnetic resonance imaging (DCE-MRI), diffusion weighted imaging (DWI), and dynamic positron emission tomography (PET) for detection of metastatic lymph nodes in head and neck squamous cell carcinoma (HNSCC) cases. Twenty HNSCC patients scheduled for lymph node dissection underwent DCE-MRI, dynamic PET, and DWI using a PET-MR scanner within one week prior to their planned surgery. During surgery, resected nodes were labeled to identify their nodal levels and sent for routine clinical pathology evaluation. Quantitative parameters of metastatic and normal nodes were calculated from DCE-MRI (ve, vp, PS, Fp, Ktrans), DWI (ADC) and PET (Ki, K1, k2, k3) to assess if an individual or a combination of parameters can classify normal and metastatic lymph nodes accurately. There were 38 normal and 11 metastatic nodes covered by all three imaging methods and confirmed by pathology. 34% of all normal nodes had volumes greater than or equal to the smallest metastatic node while 4 normal nodes had SUV > 4.5. Among the MRI parameters, the median vp, Fp, PS, and Ktrans values of the metastatic lymph nodes were significantly lower (p = <0.05) than those of normal nodes. ve and ADC did not show any statistical significance. For the dynamic PET parameters, the metastatic nodes had significantly higher k3 (p value = 8.8 × 10−8) and Ki (p value = 5.3 × 10−8) than normal nodes. K1 and k2 did not show any statistically significant difference. Ki had the best separation with accuracy = 0.96 (sensitivity = 1, specificity = 0.95) using a cutoff of Ki = 5.3 × 10−3 mL/cm3/min, while k3 and volume had accuracy of 0.94 (sensitivity = 0.82, specificity = 0.97) and 0.90 (sensitivity = 0.64, specificity = 0.97) respectively. 100% accuracy can be achieved using a multivariate logistic regression model of MRI parameters after thresholding the data with Ki < 5.3 × 10−3 mL/cm3/min. The results of this preliminary study suggest that quantitative MRI may provide additional value in distinguishing metastatic nodes, particularly among small nodes, when used together with FDG-PET.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 | 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 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 ».