Quantitative US Delta Radiomics to Predict Radiation Response in Individuals with Head and Neck Squamous Cell Carcinoma
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
Purpose To investigate the role of quantitative US (QUS) radiomics data obtained after the 1st week of radiation therapy (RT) in predicting treatment response in individuals with head and neck squamous cell carcinoma (HNSCC). Materials and Methods This prospective study included 55 participants (21 with complete response [median age, 65 years {IQR: 47–80 years}, 20 male, one female; and 34 with incomplete response [median age, 59 years {IQR: 39–79 years}, 33 male, one female) with bulky node-positive HNSCC treated with curative-intent RT from January 2015 to October 2019. All participants received 70 Gy of radiation in 33–35 fractions over 6–7 weeks. US radiofrequency data from metastatic lymph nodes were acquired prior to and after 1 week of RT. QUS analysis resulted in five spectral maps from which mean values were extracted. We applied a gray-level co-occurrence matrix technique for textural analysis, leading to 20 QUS texture and 80 texture-derivative parameters. The response 3 months after RT was used as the end point. Model building and evaluation utilized nested leave-one-out cross-validation. Results Five delta (Δ) parameters had statistically significant differences (P < .05). The support vector machines classifier achieved a sensitivity of 71% (15 of 21), a specificity of 76% (26 of 34), a balanced accuracy of 74%, and an area under the receiver operating characteristic curve of 0.77 on the test set. For all the classifiers, the performance improved after the 1st week of treatment. Conclusion A QUS Δ-radiomics model using data obtained after the 1st week of RT from individuals with HNSCC predicted response 3 months after treatment completion with reasonable accuracy. Keywords: Computer-Aided Diagnosis (CAD), Ultrasound, Radiation Therapy/Oncology, Head/Neck, Radiomics, Quantitative US, Radiotherapy, Head and Neck Squamous Cell Carcinoma, Machine Learning Clinicaltrials.gov registration no. NCT03908684 Supplemental material is available for this article. © RSNA, 2024
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 | 0,001 | 0,000 |
| 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 | 0,001 |
| 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