MétaCan
Menu
← Retour à la cohorte
Enregistrement W4407573395 · doi:10.1117/12.3044316

Characterization of breast samples via basis function methods using differential linear x-ray scattering coefficients

2025· article· en· W4407573395 sur OpenAlexaff
Robert J. LeClair

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMedicine
ThématiqueMedical Imaging Techniques and Applications
Établissements canadiensLaurentian UniversityCarleton University
Organismes subventionnairesnon disponible
Mots-clésBasis (linear algebra)Characterization (materials science)Differential (mechanical device)Function (biology)Basis functionScatteringMaterials scienceMathematicsComputational physicsPhysicsMathematical analysisOpticsThermodynamicsGeometryBiology

Résumé

récupéré en direct d'OpenAlex

Despite advances in imaging and histology, discrepancies and sampling errors persist, prompting research into complementary methods like Wide Angle X-ray Scatter (WAXS) for improved cancer diagnosis. This study was focused on extracting an estimation of the differential linear x-ray scattering coefficient (μs) of stroma tissue and then using it in a three basis function method to estimate the make up of composite breast tissue samples. This work made use of μs of malignant, benign, and fibroglandular tissues measured by Kidane et al. Phys. Med. Biol. 44 (1999) for extraction of μs stroma. Using histological data from Kidane et al., μs values for stroma were extracted from (i) malignant samples composed of malignant epithelium and stroma (ii) benign samples: benign epithelium and stroma, and (iii) fibroglandular samples: fat and stroma. The cell model by LeClair et al. J. of Med. Imag. 2 (2015) was employed to estimate μs of cells which was used to approximate μs of malignant and benign epithelium. An average value of μs stroma was calculated. Using this μs stroma, the μs cell and a μs fat from Kidane et al., a three-basis function method was applied. The fractional volumes for stroma, cells, and fat denoted by νstr, νcell, νfat, respectively, were calculated using the singular value decomposition (SVD) method. In fact, the three-basis function was reduced to a two-basis function method by the constraint that νstr + νcell + νfat = 1. A momentum transfer range of 0.8nm−1 to 3.2nm−1 was used when fitting Kidane et al. data whereas a range of 0.8nm−1 to 2.5nm−1 was used when fitting of LeClair et al. Med. Phys. 33 (2006) data. For a cancer specimen from LeClair et al. νstr = 0.58, νcell = 0.43, νfat = −0.01, whereas for a benign specimen from Kidane et al. νstr = 0.94, νcell = 0.11, νfat = −0.05. The negative volume coefficients for fat indicate its absence from the samples. Cancerous samples exhibit higher cell content, confirming uncontrolled cell-proliferation as a cancer hallmark, while benign samples primarily reflect increased “fibrous” tissue. The fitting algorithm was effective for characterizing composite breast specimens, with results aligning well with known cancer biology.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,037
Tête enseignante GPT0,366
Écart entre enseignants0,329 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMedical Imaging Techniques and Applications→Travaux en français237 207→