The search for CT imaging subtypes of colorectal liver metastases and the impacts of slice thickness
Notice bibliographique
Résumé
This paper explores the potential for computed tomography (CT) imaging subtypes of colorectal liver metastases (CRLMs) through unsupervised analyses of classical radiomic, topological and convolutional neural network (CNN) imaging features while also investigating the influence slice thickness has on the forming of these subtype groupings. A multi-center cohort of 1,199 patients with preoperative, portal-venous phase CT imaging of resectable CRLMs was used for this analysis. PCA and t-SNE were used to visualize potential slice thickness associations with classical radiomic, topological, and CNN features. Clusters in PCA were defined using K-means clustering for each feature type before cluster association with overall survival and hepatic-disease free survival was quantified. We found that classical radiomic first order and second order texture features clustered by slice thickness using both PCA and t-SNE approaches. More distinct groupings were shown in these feature groups when they were extracted from the liver parenchyma. Both topological and CNN imaging features formed no visual patterns associated with slice thickness. Significant differences in hepatic disease-free survival were seen between clusters for liver parenchymal classical radiomic first order and texture features as well as topological persistent statistics features. In overall survival, clusters from classical radiomic shape and topological persistent landscape were significant. When grouping by slice thickness, significant differences in overall survival were seen. The significance seen from the classical radiomic and topological features suggests the existence of imaging subtypes of CRLMs. Our work demonstrates the potential for topological approaches to be used to develop biomarkers robust to protocol influences and the importance of accounting for slice thickness when using classical radiomic features.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».