Radiomics in Determining Tumor-to-Normal Brain SUV Ratio Based on 11C-Methionine PET/CT in Glioblastoma
Notice bibliographique
Résumé
С-methionine tumor-to-normal brain uptake ratio (TNR) determined by an expert in routine. Materials and Methods: C-methionine measured in the tumor and intact tissue. Calculation of radiomic features for each PET was performed in the specified volumetric region of interest, capturing the tumor with the surrounding tissues. The relationship between TNR and the radiomic features was determined using the linear regression model. Predictors were included in the model following correlation analysis and LASSO regularization. The experiment with machine learning was repeated 300 times, splitting the training (70%) and test (30%) subsets randomly. The model quality metrics and predictor significance obtained in 300 tests were summarized. Results: Of 412 PET/CT radiomic parameters significantly correlated with TNR (p<0.05), the regularization procedure left no more than 30 in each model (the median number of predictors was 9 [7; 13]). The experiment has demonstrated a non-random linear correlation (the Spearman correlation coefficient was 0.58 [0.43; 0.74]) between TNR and separate radiomic features, primarily fractal dimensions, characterizing the geometrical properties of the image. Conclusion: Radiomics enabled an objective determination of PET/CT image texture features reflecting the biological activity of glioblastomas. Despite the existing limitations in the application, the first results provide a good perspective of these methods in neurooncology.
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 | 0,004 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 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 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».