Application of Ultrasound Radiomics in Differentiating Benign from Malignant Breast Nodules in Women with Post-Silicone Breast Augmentation
Notice bibliographique
Résumé
Purpose: To evaluate the diagnostic value of ultrasound radiomics in distinguishing between benign and malignant breast nodules in women who have undergone silicone breast augmentation. Methods: A retrospective study was conducted of 99 breast nodules detected by ultrasound in 93 women who had undergone silicone breast augmentation. The ultrasound data were collected between 1 January 2006 and 1 September 2023. The nodules were allocated into a training set (n = 69) and a validation set (n = 30). Regions of interest (ROIs) were manually delineated using 3D Slicer software, and radiomic features were extracted and selected using Python programming. Eight machine learning algorithms were applied to build predictive models, and their performance was assessed using sensitivity, specificity, area under the ROC curve (AUC), accuracy, Brier score, and log loss. Model performance was further evaluated using ROC curves and calibration curves, while clinical utility was assessed via decision curve analysis (DCA). Results: The random forest model exhibited superior performance in differentiating benign from malignant nodules in the validation set, achieving sensitivity of 0.765, specificity of 0.838, and an AUC of 0.787 (95% CI: 0.561–0.960). The model’s accuracy, Brier score, and log loss were 0.796, 0.197, and 0.599, respectively. DCA suggested potential clinical utility of the model. Conclusion: Ultrasound radiomics demonstrates promising diagnostic accuracy in differentiating benign from malignant breast nodules in women with silicone breast prostheses. This approach has the potential to serve as an additional diagnostic tool for patients following silicone breast augmentation.
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 | 0,004 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 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 ».