CT Texture Analysis of Adrenal Pheochromocytomas: A Pilot Study
Notice bibliographique
Résumé
Radiomics is a promising research field that combines big data analysis (from tissue texture analysis) with clinical questions. We studied the application of CT texture analysis in adrenal pheochromocytomas (PCCs) to define the correlation between the extracted features and the secretory pattern, the histopathological data, and the natural history of the disease. A total of 17 patients affected by surgically removed PCCs were retrospectively enrolled. Before surgery, all patients underwent contrast-enhanced CT and complete endocrine evaluation (catecholamine secretion and genetic evaluation). The pheochromocytoma adrenal gland scaled score (PASS) was determined upon histopathological examination. After a resampling of all CT images, the PCCs were delineated using LifeX software in all three phases (unenhanced, arterial, and venous), and 58 texture parameters were extracted for each volume of interest. Using the Mann–Whitney test, the correlations between the hormonal hypersecretion, the malignancy score of the lesion (PASS > 4), and texture parameters were studied. The parameters DISCRETIZED_HUpeak and GLZLM_GLNU in the unenhanced phase and GLZLM_SZE, CONVENTIONAL_HUmean, CONVENTIONAL_HUQ3, DISCRETIZED_HUmean, DISCRETIZED_AUC_CSH, GLRLM_HGRE, and GLZLM_SZHGE in the venous phase were able to differentiate secreting PCCs (p < 0.01), and the parameters GLZLM_GLNU in the unenhanced phase and GLRLM_GLNU and GLRLM_RLNU in the venous differentiated tumors with low and high PASS. CT texture analysis of adrenal PCCs can be a useful tool for the early identification of secreting or malignant tumors.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| 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) | 0,001 | 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 tête enseignante, 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 ».