RADIAL ARTERY PHENOTYPING IN SYSTEMIC SCLEROSIS THROUGH ULTRA-HIGH FREQUENCY ULTRASOUND: A RADIOMIC APPROACH
Notice bibliographique
Résumé
Objective: Systemic sclerosis (SSc) is a disorder characterized by a massive vascular involvement. Imaging biomarkers of vascular involvement in SSc may have potential clinical implications for prediction of the pathogenesis of vascular complications. This study is aimed at identifying possible patterns of vascular wall disarray and remodeling in radial arteries of SSc patients, by means of ultrahigh frequency ultrasound (UHFUS). Design and method: 5 end-diastolic frames of the right radial arteries of 41 patients with SSc and 41 healthy controls were obtained by VevoMD (70 MHz probe, FUJIFILM, VisualSonics, Toronto, Canada). 74 radiomic features and 4 engineered parameters were extracted: inner and outer layer thickness, and presence of adjunctive acoustic interfaces (triple signal). A feature selection algorithm was applied to reduce the number of features. The selected features were used to train classification model, using Linear Support Vector Machine (SVM). Results: The SVM classification model showed good performance (sensitivity = 0.63, specificity = 0.88, accuracy = 0.75, AUC = 0.75) to discriminate SSc patients from controls using fifteen selected features. Inner layer (208±61 vs 179±47 μm, p = 0.04) and outer layer thickness (104±22 vs 120±36 μm, p = 0.03) were significantly higher in SSc than in controls, triple signal pattern more frequent in patients (p = 0.002). Conclusions: Wall ultrastructure of radial arteries of SSc patients is altered: inner and outer layer thickened, showing frequently a triple signal pattern. Radiomic approach allow to distinguish between radial images from SSc patients and controls with a 75% accuracy.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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 source (Gemma direct ou Codex distillé), 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 ».