CT vessel features improves COPD classification
Notice bibliographique
Résumé
Background: Computed tomography (CT) features extracted from the lung and airways can classify COPD with machine learning (ML) models (Puchakayala Radiol 2023). However, pulmonary vasculature changes occur in early COPD (Santos Eur Respir J 2002), and it is unknown if CT pulmonary vessel features can improve COPD classification. Aim: To compare ML models for classifying COPD using combinations of CT features extracted from the lung, airways, and vessels. We hypothesize that the inclusion of CT vessel features to lung and/or airway features will improve ML performance for COPD classification compared to each feature set alone. Methods: Participants that were never-/ever-smokers from the population-based CanCOLD study underwent spirometry and CT imaging. 107 CT PyRadiomics features were extracted from the lung, airways, vessels: 18 first-order, 14 shape, and 75 texture features. ML models including 6 demographics (age, sex, race, BMI, smoking-status, pack-years), low-attenuation-areas-below -950HU, and CT PyRadiomics were evaluated for classifying COPD (FEV1/FVC<0.70). The area under the receiver operating characteristic curve (AUC) and DeLong’s test were used to compare models. Results: 1302 participants were evaluated (n=669 no COPD; n=363 mild COPD; n=270 moderate/severe COPD). The model with CT lung parenchyma+airway+vessel features (AUC=0.87; p<0.05) obtained a higher performance than models with lung (AUC=0.78), airway (AUC=0.84), or vessel features alone (AUC=0.81). The lung+vessel (AUC=0.83) and the airway+vessel model (AUC=0.85) obtained higher performance than the lung only model (AUC=0.78; p<.05). Conclusion: Inclusion of CT features extracted from the pulmonary vessels improves classification of COPD in a mild COPD cohort.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».