Comparison of attenuation compensation methods in the estimation of the backscatter coefficient of breast cancer
Notice bibliographique
Résumé
Goal: This study compares two strategies to compensate for attenuation in the estimation of the backscatter coefficient σ of breast cancer Methods: Attenuation compensation was performed using local attenuation estimates from a constrained Spectral-Log-Difference (CSLD) method, and average estimates from a dynamic programming (DP)-based regularized method. First, bias and linearity of σ estimates from both strategies were evaluated in a Gammex 410SCG phantom with inclusions with known σ imaged at 8 MHz on a Verasonics Vantage 128 scanner. Then, the strategies were compared in terms of the contrast-to-noise ratio (CNR) between adipose tissue and invasive ductal carcinoma. σ estimates were obtained from 10 patients with biopsy-confirmed IDCs imaged invivo with a 12L4 transducer on a Siemens Acuson S2000 as part of an IRB-approved protocol at the National Institute of Cancerology in Mexico City. DP σ estimates provided smaller bias and better linearity compared to estimates of CSLD. In the in vivo study, DP σ estimates produced negative IDC-vs-adipose CNR that was significantly different from zero (p = 0.002) and agreed with the hypoechoic appearance of IDC. [Work supported by CONACYT Ciencia de Frontera 1311307, ASA international student support, and UNAM PAPIIT IA102320. We thank Siemens Mexico for scanner loan.]
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».