MétaCan
Menu
Retour à la cohorte
Enregistrement W4367834306 · doi:10.1007/s00330-023-09661-6

Computed high-b-value high-resolution DWI improves solid lesion detection in IPMN of the pancreas

2023· article· en· W4367834306 sur OpenAlexaff
F Harder, E. Jung, Kilian Weiss, Markus M. Graf, Omar Kamal, Sean McTavish, Anh T. Van, İhsan Ekin Demir, Helmut Frieß, Veit Phillip, Roland M. Schmid, Fabian Lohöfer, Georgios Kaissis, Marcus R. Makowski, Dimitrios C. Karampinos, Rickmer Braren

Notice bibliographique

RevueEuropean Radiology · 2023
Typearticle
Langueen
DomaineMedicine
ThématiquePancreatic and Hepatic Oncology Research
Établissements canadiensArtificial Intelligence in Medicine (Canada)
Organismes subventionnairesTechnische Universität München
Mots-clésMedicineNuclear medicineRadiologyLesionDiffusion MRINeuroradiologyIntraductal papillary mucinous neoplasmImage qualityEffective diffusion coefficientVoxelUltrasoundMagnetic resonance imagingPancreasPathologyInternal medicineNeurology

Résumé

récupéré en direct d'OpenAlex

Abstract Objectives To examine the effect of high- b -value computed diffusion-weighted imaging (cDWI) on solid lesion detection and classification in pancreatic intraductal papillary mucinous neoplasm (IPMN), using endoscopic ultrasound (EUS) and histopathology as a standard of reference. Methods Eighty-two patients with known or suspected IPMN were retrospectively enrolled. Computed high- b -value images at b = 1000 s/mm 2 were calculated from standard ( b = 0, 50, 300, and 600 s/mm 2 ) DWI images for conventional full field-of-view (fFOV, 3 × 3 × 4 mm 3 voxel size) DWI. A subset of 39 patients received additional high-resolution reduced-field-of-view (rFOV, 2.5 × 2.5 × 3 mm 3 voxel size) DWI. In this cohort, rFOV cDWI was compared against fFOV cDWI additionally. Two experienced radiologists evaluated (Likert scale 1–4) image quality (overall image quality, lesion detection and delineation, fluid suppression within the lesion). In addition, quantitative image parameters (apparent signal-to-noise ratio (aSNR), apparent contrast-to-noise ratio (aCNR), contrast ratio (CR)) were assessed. Diagnostic confidence regarding the presence/absence of diffusion - restricted solid nodules was assessed in an additional reader study. Results High- b -value cDWI at b = 1000 s/mm 2 outperformed acquired DWI at b = 600 s/mm 2 regarding lesion detection, fluid suppression, aCNR, CR, and lesion classification ( p = < .001–.002). Comparing cDWI from fFOV and rFOV revealed higher image quality in high - resolution rFOV-DWI compared to conventional fFOV-DWI ( p ≤ .001–.018). High- b -value cDWI images were rated non-inferior to directly acquired high- b -value DWI images ( p = .095–.655). Conclusions High- b -value cDWI may improve the detection and classification of solid lesions in IPMN. Combining high-resolution imaging and high- b -value cDWI may further increase diagnostic precision. Clinical relevance statement This study shows the potential of computed high-resolution high-sensitivity diffusion-weighted magnetic resonance imaging for solid lesion detection in pancreatic intraductal papillary mucinous neoplasia (IPMN). The technique may enable early cancer detection in patients under surveillance. Key Points • Computed high-b-value diffusion-weighted imaging (cDWI) may improve the detection and classification of intraductal papillary mucinous neoplasms (IPMN) of the pancreas. • cDWI calculated from high-resolution imaging increases diagnostic precision compared to cDWI calculated from conventional-resolution imaging. • cDWI has the potential to strengthen the role of MRI for screening and surveillance of IPMN, particularly in view of the rising incidence of IPMNs combined with now more conservative therapeutic approaches.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,782
Score d'incertitude au seuil0,352

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,030
Tête enseignante GPT0,310
Écart entre enseignants0,280 · 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'étudeObservationnel
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

Citations9
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean RadiologyMême sujetPancreatic and Hepatic Oncology ResearchTravaux en français237 207