Abstract PO-033: The impact of the variation of CT scanner on the prediction of HPV status in head & neck cancer patients
Notice bibliographique
Résumé
Abstract Radiomics involves the use of high-dimensional quantitative imaging features for predictive purposes. However, studies showed that these radiomic features are sensitive to the variability of imaging parameters (e.g., scanner model). One of the major challenges in radiomics lies in improving the robustness of quantitative features against the variation in the imaging dataset in multi-center studies. Here, we assess the impact of scanner choice on the computed tomography (CT)-derived radiomic features to predict association of oropharyngeal squamous cell carcinoma with human papillomavirus (HPV), which has a well-established impact on CT-derived radiomic features. This experiment was performed on CT image datasets acquired with two different scanner types. We demonstrate strong scanner dependency by developing a machine learning model to classify HPV status from radiological images. These experiments revealed the effect of scanner type on the robustness of the radiomic features, and the extent of this dependency is reflected on the performance of HPV prediction models. The result of this study highlighted the importance of implementing an appropriate approach to reduce the impact of the imaging domain radiomic features and consequently on the machine learning models. Citation Format: Reza Reiazi, Collin Arrowsmith, Farnoosh Abbas-Aghababazadeh, Christopher Eles, Aria Rezaie, Scott V. Bratman, Andrew J. Hope, Benjamin Haibe-Kains. The impact of the variation of CT scanner on the prediction of HPV status in head & neck cancer patients [abstract]. In: Proceedings of the AACR Virtual Special Conference on Artificial Intelligence, Diagnosis, and Imaging; 2021 Jan 13-14. Philadelphia (PA): AACR; Clin Cancer Res 2021;27(5_Suppl):Abstract nr PO-033.
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 | 0,004 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».