MétaCan
Menu
Retour à la cohorte
Enregistrement W4391215608 · doi:10.1088/2057-1976/ad229c

PSMA PET/CT as a predictive tool for subregional importance estimates in the parotid gland

2024· article· en· W4391215608 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueBiomedical Physics & Engineering Express · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueRadiomics and Machine Learning in Medical Imaging
Établissements canadiensSurrey Memorial HospitalBC Cancer AgencyUniversity of British Columbia
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésParotid glandNuclear medicineMedicineRadiologyPathology

Résumé

récupéré en direct d'OpenAlex

Abstract Objective . Xerostomia and radiation-induced salivary gland dysfunction remain a common side effect for head-and-neck radiotherapy patients, and attempts have been made to quantify the heterogeneity of the dose response within parotid glands. Prostate Specific Membrane Antigen (PSMA) ligands have demonstrated high uptake in salivary glands, which has been shown to correlate with gland functionality. Here we compare several models of parotid gland subregional relative importance with PSMA positron emission tomography (PET) uptake. We then develop a predictive model for Clark et al 's relative importance estimates using PSMA PET and CT radiomic features, and demonstrate a methodology for predicting patient-specific importance deviations from the population. Approach . Intra-parotid gland uptake was compared with four regional importance models using 30 [18F]DCFPyL PSMA PET images. The correlation of uptake and importance was ascertained when numerous non-overlapping subregions were defined, while a paired t-test was used to compare binary region pairs. A radiomics-based predictive model of population importance was developed using a double cross-validation methodology. A model was then devised for supplementing population-level subregional importance estimates for each patient using patient-specific radiomic features. Main Results . Anticorrelative relationships were found to exist between PSMA PET uptake and four independent models of subregional parotid gland importance from the literature. Kernel Ridge Regression with principal component analysis feature selection performed best over test sets (Mean Absolute Error = 0.08), with gray level co-occurrence matrix (GLCM) features being particularly important. Deblurring PSMA PET images with neural blind deconvolution strengthened correlations and improved model performance. Significance . This study suggests that regions of relatively low PSMA PET uptake in parotid glands may exhibit relatively high dose-sensitivity. We’ve demonstrated the utility of PSMA PET radiomic features for predicting relative importance within subregions of parotid glands. PSMA PET appears to be a promising quantitative imaging modality for analyzing salivary gland functionality.

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 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)0,000
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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,734
Score d'incertitude au seuil0,614

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,008
Tête enseignante GPT0,275
Écart entre enseignants0,266 · 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