Improving Segmentation of Pilocytic Astrocytoma in MRI Using Genomic Cluster-Shape Feature Analysis
Notice bibliographique
Résumé
Pilocytic astrocytoma is a type of tumor related lower-grade glioma (LGG).This brain tumor is more difficult to detect, and treat compared to higher grade gliomas.To understand the complexity of LGGs and related disease of epilepsy and cancer, this study proposes genomic cluster-shape feature selection, feature extraction and segmentation methods.The MRI images provides genomic information of DNA sequencing and gene expression by heat map and feature selected by correlation coefficient of p>0.9.The support vector classifier (SVC) and gaussian kernel (GK) used to quantify the linear relation between two variables, and to measure the similarity between two datapoints with high-dimensional space.The twentythree relevant features are selected by Random Forest classifier and compared with univariate, recursive feature elimination, and principal component analysis method.The semantic segmentation by UNet has encoder captures context information and decoder enables the precise localisation of the object.The ResNext50 incorporates a cordiality parameter, which used to capture the fine-grained features.The UNet with ResNext50 backbone enhance the performance matrix.The calculated metrics of SVC with GK of selected features (90.05%) were higher than without selected features (63.63%).The feature extraction process by random forest classifier with univariate analysis (85.1%) and recursive feature elimination method (85.71%), and with cross-validation achieving an accuracy of 95.2%.The cross-validation (CV) is used to validate the features, with each combination of k folds being multiplied with different batch sizes and numbers of epochs (80.7%, 90.1%, 92.7%, 96.7%, and 95.6%).The segmentation dice score of UNet (72.13%) and UNet with ResNext50 backbone (89.7%) were used to compare the performance of these features.This study used a dataset of LGG patients and found that their improved segmentation accuracy by up to 9.7% compared to earlier analysis of UNet with other residual network and gives the valuable insight of features associated with tumors and reduce the complexity of treatment.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 ».