Imaging and quantification of prostate cancer-associated bone by polarization-sensitive optical coherence tomography
Notice bibliographique
Résumé
Abstract Prostate cancer frequently metastasizes to bone, leading to a spectrum of osteosclerotic and osteolytic lesions that cause debilitating symptoms. Accurate differentiation of bone tissue or lesion types can provide opportunity for local pathologic investigation, which is critical for understanding the bone metastasis and remains challenging. Current imaging methods lack the ability to directly differentiate tissues based on collagen organization and may induce invasive effect on bone tissues. We introduce Polarization-Sensitive Optical Coherence Tomography (PS-OCT) to investigate normal, osteosclerotic, and osteolytic bone tissues. High-resolution PS-OCT imaging reveals collagen fiber arrangement, enabling nuanced distinction of degree of collagen alignment among different bone tissue types or regions. We present a novel feature named degree of ordered organization (DOO), derived from the multiple contrasts of PS-OCT that can quantitatively evaluate bone samples from different pathologic groups, including control,osteoblastic and osteolytic tissues. The capacity of PS-OCT to differentiate trabecular/lamellar and irregular (woven bone) regions within the same specimen is tested and validated on ex-vivo samples extracted from 13 subjects. Our study is the first time that PS-OCT is applied to metastatic bone disease with the aim of enhancing the understanding of bone-related pathologies, and potentially impacting clinical practice. This work demonstrates that PS-OCT can provide useful insight into bone microstructures, and thus it has potential applications across diverse bone disorders.
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 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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».