Thin-Slice Pituitary MRI with Deep Learning–Based Reconstruction for Preoperative Prediction of Cavernous Sinus Invasion by Pituitary Adenoma: A Prospective Study
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: Accurate radiologic prediction of cavernous sinus invasion by pituitary adenoma remains challenging. We aimed to assess whether 1-mm-slice-thickness MRI with deep learning-based reconstruction can better predict cavernous sinus invasion by pituitary adenoma preoperatively and to estimate the depth of invasion and degree of contact in relation to the carotid artery, compared with 3-mm-slice-thickness MRI. MATERIALS AND METHODS: This single-institution, prospective study included 67 consecutive patients (mean age, 53 [SD, 12] years; 28 women), between January and August 2020, who underwent a combined contrast-enhanced T1-weighted imaging protocol of 1-mm-slice-thickness MRI + deep learning-based reconstruction and 3-mm-slice-thickness MRI. An expert neuroradiologist who was blinded to the imaging protocol determined cavernous sinus invasion using the modified Knosp classification on 1-mm-slice-thickness MRI + deep learning-based reconstruction and 3-mm-slice-thickness MRI, respectively. Reference standards were established by the consensus of radiologic, intraoperative, pathologic, and laboratory findings. The primary end point was the diagnostic performance of each imaging protocol, and the secondary end points included depth of invasion and degree of contact in relation to the carotid artery. RESULTS: < .001). CONCLUSIONS: Compared with 3-mm-slice-thickness MRI, 1-mm-slice-thickness MRI + deep learning-based reconstruction showed a higher diagnostic performance in preoperatively predicting cavernous sinus invasion by pituitary adenomas and demonstrated a greater depth and degree of contact in relation to the carotid artery.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 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 | 0,000 | 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 ».