Micro‐relief characterization of benign and malignant skin lesions by polarization speckle analysis in vivo
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND/PURPOSE: A recent direction in skin disease classification is to develop quantitative diagnostic techniques. Skin relief, colloquially known as roughness, is an important clinical feature. The aim of this study is to demonstrate a novel polarization speckle technique to quantitatively measure roughness on skin lesions in vivo. We then calculate the average roughness of different types of skin lesions to determine the extent to which polarization speckle roughness measurements can be used to identify skin cancer. METHODS: The experimental conditions were set to target the fine relief structure on the order of ten microns within a small field of view of 3 mm. The device was tested in a clinical study on patients with malignant and benign skin lesions that resemble cancer. The cancer group includes 37 malignant melanomas (MM), 43 basal cell carcinomas (BCC), and 26 squamous cell carcinomas (SCC), all categories confirmed by gold standard biopsy. The benign group includes 109 seborrheic keratoses (SK), 79 nevi, and 11 actinic keratoses (AK). Normal skin roughness was obtained for the same patients (301 different body sites proximal to the lesion). RESULTS: The average root mean squared (rms) roughness ± standard error of the mean for MM and nevus was equal to 19 ± 5 μm and 21 ± 3 μm, respectively. Normal skin has rms roughness of 31 ± 3 μm, other lesions have roughness of 35 ± 10 μm (AK), 35 ± 7 μm (SCC), 31 ± 4 μm (SK), and 30 ± 5 μm (BCC). CONCLUSION: An independent-samples Kruskal-Wallis test indicates that MM and nevus can be separated from each of the tested types of lesions, except each other. These results quantify clinical knowledge of lesion roughness and could be useful for optical cancer detection.
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.
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 | 0,002 | 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) | 0,000 | 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 découle