Enhancing COPD classification using combined quantitative computed tomography and texture-based radiomics: a CanCOLD cohort study
Notice bibliographique
Résumé
Background: Recent advances in texture-based computed tomography (CT) radiomics have demonstrated its potential for classifying COPD. Methods: Participants from the Canadian Cohort Obstructive Lung Disease (CanCOLD) study were evaluated. A total of 108 features were included: eight quantitative CT (qCT), 95 texture-based radiomic and five demographic features. Machine-learning models included demographics along with texture-based radiomics and/or qCT. Combinations of five feature selection and five classification methods were evaluated; a training dataset was used for feature selection and to train the models, and a testing dataset was used for model evaluation. Models for classifying COPD status and severity were evaluated using the area under the receiver operating characteristic curve (AUC) with DeLong's test for comparison. SHapely Additive exPlanations (SHAP) analysis was used to investigate the features selected. Results: A total of 1204 participants were evaluated (n=602 no COPD; n=602 COPD). There were no differences between the groups for sex (p=0.77) or body mass index (p=0.21). For classifying COPD status, the combination of demographics, texture-based radiomics and qCT performed better (AUC=0.87) than the combination of demographics and texture-based radiomics (AUC=0.81, p<0.05) or qCT alone (AUC=0.84, p<0.05). Similarly, for classifying COPD severity, the combination of demographics, texture-based radiomics and qCT performed better (AUC=0.81) than demographics and texture-based radiomics (AUC=0.72, p<0.05) or qCT alone (AUC=0.79, p<0.05). Texture-based radiomics and qCT features were among the top five features selected (15th percentile of the CT density histogram, CT total airway count, pack-years, CT grey-level distance zone matrix zone distance entropy, CT low-attenuation clusters) for classifying COPD status. Conclusion: Texture-based radiomics and conventional qCT features in combination improve machine‑learning models for classification of COPD status and severity.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 ».