Quantitative Ultrasound Texture Analysis of Breast Tumors: A Comparison of a Cart-Based and a Wireless Ultrasound Scanner
Notice bibliographique
Résumé
Previous work has demonstrated quantitative ultrasound (QUS) analysis techniques for extracting features and texture features from ultrasound radiofrequency data which can be used to distinguish between benign and malignant breast masses. It is desirable that there be good agreement between estimates of such features acquired using different ultrasound devices. Handheld ultrasound imaging systems are of particular interest as they are compact, relatively inexpensive, and highly portable. This study investigated the agreement between QUS parameters and texture features estimated from clinical ultrasound images of breast tumors acquired using two different ultrasound scanners: a traditional cart-based system and a wireless handheld ultrasound system. The 28 patients who participated were divided into two groups (benign and malignant). The reference phantom technique was used to produce functional estimates of the normalized power spectra and backscatter coefficient for each image. Root mean square differences of feature estimates were calculated for each cohort to quantify the level of feature variation attributable to tissue heterogeneity and differences in system imaging parameters. Cross-system statistical testing using the Mann–Whitney U test was performed on benign and malignant patient cohorts to assess the level of feature estimate agreement between systems, and the Bland–Altman method was employed to assess feature sets for systematic bias introduced by differences in imaging method. The range of p-values was 1.03 × 10−4 to 0.827 for the benign cohort and 3.03 × 10−10 to 0.958 for the malignant cohort. For both cohorts, all five of the primary QUS features (MBF, SS, SI, ASD, AAC) were found to be in agreement at the 5% confidence level. A total of 13 of the 20 QUS texture features (65%) were determined to exhibit statistically significant differences in the sample medians of estimates between systems at the 5% confidence level, with the remaining 7 texture features being in agreement. The results showed a comparable magnitude of feature variation between tissue heterogeneity and system effects, as well as a moderate level of statistical agreement between feature sets.
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 | 0,010 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».