MétaCan
Menu
← Retour à la cohorte
Enregistrement W4409158860 · doi:10.1117/12.3048474

Prospective study on the reproducibility of radiomic features in the setting of variable CT contrast timing: initial results

2025· article· en· W4409158860 sur OpenAlexaff
Joshua Virani-Wall, Jacob Peoples, Mohammad Hamghalam, Natalie Gangai, Mithat Gönen, Imani James, Christine Kang, John Rong, Maida Wasim, Yun Shin Chun, Richard Kinh Gian, Amber L. Simpson

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMedicine
ThématiqueRadiomics and Machine Learning in Medical Imaging
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésReproducibilityContrast (vision)Computer scienceVariable (mathematics)Medical physicsNuclear medicineBiomedical engineeringArtificial intelligenceMedicineMathematicsStatistics

Résumé

récupéré en direct d'OpenAlex

Colorectal cancer is the third most commonly diagnosed cancer in the United States with roughly half of these patients developing liver metastases, of which less than 10% survive past 3 years. Although resection is possible in some cases, only 15–25% of these patients are considered cured at the 10 year mark. Research supported by single-institution data shows that quantitative information taken from contrast-enhanced computed tomography (CECT) scans has the potential to pre-operatively predict patients at high risk for recurrence. CT image acquisition, reconstruction, and contrast timing affect the generalizability of predictive radiomic models in CT. Identification of reproducible features, therefore, is a necessary prerequisite to clinical implementation. We prospectively varied CT acquisition, reconstruction, and contrast timing parameters to quantify variability of radiomic features. Reproducibility analysis was performed using Lin’s concordance correlation coefficient (CCC) with 135 patients from Memorial Sloan Kettering Cancer Center (n = 68) and University of Texas MD Anderson Cancer Center (n = 67). Each patient underwent an additional phase CECT scan within ± 15 seconds of the routine portal venous phase using a controlled protocol, with systematic variations in scan timing, image acquisition, and image reconstruction. Radiomic features were extracted from the liver parenchyma and largest metastasis separately. Features extracted from the liver parenchyma were found to be less reproducible than those extracted from the largest tumor,. Reproducibility of features extracted from the tumor showed a negative correlation with the magnitude of scan delay. When reconstructed with a 5 mm slice thickness, scans with higher levels of adaptive statistical iterative reconstruction showed less reproducibility.

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)0,009
score de la tête « metaresearch » (Gemma)0,027
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Reproductibilité · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,991
Score d'incertitude au seuil0,047

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,027
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
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 Opus0,018
Tête enseignante GPT0,338
Écart entre enseignants0,320 · 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.

Devis d'étudeObservationnel
DomaineReproductibilité
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 sujetRadiomics and Machine Learning in Medical Imaging→Travaux en français237 207→