MétaCan
Menu
Retour à la cohorte
Enregistrement W4407577764 · doi:10.1186/s12880-025-01580-w

A nomogram for diagnosis of BI-RADS 4 breast nodules based on three-dimensional volume ultrasound

2025· article· en· W4407577764 sur OpenAlex
Xianping Jiang, Chen Chen, Jincao Yao, Liping Wang, Chen Yang, Wei Li, Di Ou, Zhiyan Jin, Yuanzhen Liu, Chanjuan Peng, Yifan Wang, Dong Xu

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueBMC Medical Imaging · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueBreast Lesions and Carcinomas
Établissements canadiensArtificial Intelligence in Medicine (Canada)
Organismes subventionnairesnon disponible
Mots-clésBI-RADSNomogramUltrasoundVolume (thermodynamics)RadiologyComputer scienceMedicineUltrasonographyBreast imagingBreast ultrasoundMammographyBreast cancerOncologyCancerInternal medicine

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: The classification of malignant breast nodules into four categories according to the Breast Imaging Reporting and Data System (BI-RADS) presents significant variability, posing challenges in clinical diagnosis. This study investigates whether a nomogram prediction model incorporating automated breast ultrasound system (ABUS) can improve the accuracy of differentiating benign and malignant BI-RADS 4 breast nodules. METHODS: Data were collected for a total of 257 nodules with breast nodules corresponding to BI-RADS 4 who underwent ABUS examination and for whom pathology results were obtained from January 2019 to August 2022. The participants were divided into a benign group (188 cases) and a malignant group (69 cases) using a retrospective study method. Ultrasound imaging features were recorded. Logistic regression analysis was used to screen the clinical and ultrasound characteristics. Using the results of these analyses, a nomogram prediction model was established accordingly. RESULTS: Age, distance between nodule and nipple, calcification and C-plane convergence sign were independent risk factors that enabled differentiation between benign and malignant breast nodules (all P < 0.05). A nomogram model was established based on these variables. The area under curve (AUC) values for the nomogram model, age, distance between nodule and nipple, calcification, and C-plane convergence sign were 0.86, 0.735, 0.645, 0.697, and 0.685, respectively. Thus, the AUC value for the model was significantly higher than a single variable. CONCLUSIONS: A nomogram based on the clinical and ultrasound imaging features of ABUS can be used to improve the accuracy of the diagnosis of benign and malignant BI-RADS 4 nodules. It can function as a relatively accurate predictive tool for sonographers and clinicians and is therefore clinically useful. ADVANCES IN KNOWLEDGE STATEMENT: we retrospectively analyzed the clinical and ultrasound characteristics of ABUS BI-RADS 4 nodules and established a nomogram model to improve the efficiency of the majority of ABUS readers in the diagnosis of BI-RADS 4 nodules.

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.

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)0,001
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 enseignants0,130
Score d'incertitude au seuil0,721

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0010,000

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 Opus0,012
Tête enseignante GPT0,278
Écart entre enseignants0,266 · 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