MétaCan
Menu
Retour à la cohorte
Enregistrement W4310707684 · doi:10.1038/s41598-022-24973-1

Unsupervised determination of lung tumor margin with widefield polarimetric second-harmonic generation microscopy

2022· article· en· W4310707684 sur OpenAlexafffund
Kamdin Mirsanaye, Leonardo Uribe Castaño, Yasmeen Kamaliddin, Ahmad Golaraei, Lukas Kontenis, Edvardas Žurauskas, Roya Navab, Kazuhiro Yasufuku, Ming‐Sound Tsao, Brian C. Wilson, Virginijus Barzda

Notice bibliographique

RevueScientific Reports · 2022
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueATP Synthase and ATPases Research
Établissements canadiensToronto General HospitalPrincess Margaret Cancer CentreUniversity Health NetworkCanadian Association for Girls in ScienceUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health ResearchEuropean Regional Development FundLietuvos Mokslo Taryba
Mots-clésMargin (machine learning)PolarimetryMicroscopyComputer scienceArtificial intelligenceOpticsPathologyMedicinePhysicsMachine learning

Résumé

récupéré en direct d'OpenAlex

The extracellular matrix (ECM) is amongst many tissue components affected by cancer, however, morphological changes of the ECM are not well-understood and thus, often omitted from diagnostic considerations. Polarimetric second-harmonic generation (P-SHG) microscopy allows for visualization and characterization of collagen ultrastructure in the ECM, aiding in better understanding of the changes induced by cancer throughout the tissue. In this paper, a large region of hematoxylin and eosin (H&E) stained human lung section, encompassing a tumor margin, connecting a significant tumor portion to normal tissue was imaged with P-SHG microscopy. The resulting polarimetric parameters were utilized in principal components analysis and unsupervised K-Means clustering to separate normal- and tumor-like tissue. Consequently, a pseudo-color map of the clustered tissue regions is generated to highlight the irregularity of the ECM collagen structure throughout the region of interest and to identify the tumor margin, in the absence of morphological characteristics of the cells.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,546

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,275
Écart entre enseignants0,261 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetATP Synthase and ATPases ResearchTravaux en français237 207