MétaCan
Menu
Retour à la cohorte
Enregistrement W4400804052 · doi:10.1093/jbi/wbae037

Utilization of Texture Analysis in Differentiating Benign and Malignant Breast Masses: Comparison of Grayscale Ultrasound, Shear Wave Elastography, and Radiomic Features

2024· article· en· W4400804052 sur OpenAlexaff
Daniel Mannina, Ameya Kulkarni, Christian B. van der Pol, Reem Al Mazroui, Peri Abdullah, Sayali Joshi, Abdullah Alabousi

Notice bibliographique

RevueJournal of Breast Imaging · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueUltrasound Imaging and Elastography
Établissements canadiensSt. Joseph’s Healthcare HamiltonYork UniversityHospital for Sick ChildrenMcMaster UniversityJuravinski HospitalSickKids FoundationUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMalignancyMedicineGrayscaleRadiologyElastographyLogistic regressionRadiomicsNuclear medicineUltrasoundPathologyInternal medicineArtificial intelligenceComputer sciencePixel

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: This study aims to determine which qualitative and quantitative US features are independently associated with malignancy, including those derived from grayscale imaging morphology, shear wave elastography (SWE), and texture analysis. METHODS: This single-center retrospective study was approved by the institutional research ethics board. Consecutive breast US studies performed between January and December 2020 were included. Images were acquired using a Canon Aplio i800 US unit (Canon Medical Systems, Inc., CA) and i18LX5 wideband linear matrix transducer. Grayscale US features, SWE mean, and median elasticity were obtained. Single representative grayscale images were analyzed using dedicated software (LIFEx, version 6.30). First-order and gray-level co-occurrence matrix second-order texture features were extracted. Multivariate logistic regression was performed to assess for predictors of malignancy (STATA v16.1). RESULTS: One hundred forty-seven cases with complete SWE data were selected for analysis (mean age 54.3, range 21-92). The following variables were found to be independently associated with malignancy: age (P <.001), family history (P = .013), irregular mass shape (P = .024), and stiffness on SWE (mean SWE ≥40 kPa; P <.001). Remaining variables (including texture features) were not found to be independently associated with malignancy (P >.05). CONCLUSION: US texture analysis features were not associated with malignancy independent of other qualitative and quantitative US characteristics currently utilized in clinical practice. This suggests texture analysis may not be warranted when differentiating benign and malignant breast masses on US. In contrast, irregular mass shape on grayscale imaging and increased stiffness on SWE were found to be independent predictors of malignancy.

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 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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,047
Score d'incertitude au seuil0,661

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,010
Tête enseignante GPT0,273
Écart entre enseignants0,263 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Breast ImagingMême sujetUltrasound Imaging and ElastographyTravaux en français237 207