MétaCan
Menu
Retour à la cohorte
Enregistrement W4410289291 · doi:10.1088/2057-1976/add73f

Multi-omic feature reliability of deformable image registration-based images

2025· article· en· W4410289291 sur OpenAlex

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.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueBiomedical Physics & Engineering Express · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueRadiomics and Machine Learning in Medical Imaging
Établissements canadiensLethbridge CollegeKelowna General HospitalUniversity of LethbridgeUniversity of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaAlberta InnovatesKillam Trusts
Mots-clésImage registrationWorkflowFeature (linguistics)Nuclear medicineReliability (semiconductor)Artificial intelligenceCone beam computed tomographyIntraclass correlationComputer scienceWilcoxon signed-rank testPattern recognition (psychology)MedicineRadiologyComputed tomographyMathematicsImage (mathematics)ReproducibilityPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract Purpose . To evaluate the reliability of radiomic and dosiomic (multi-omic) features extracted from synthetic CT images generated using two commercially available deformable image registration workflows. Materials and Methods . Multi-omic features were extracted from organs at risk (OAR) contoured on a cohort of 58 head and neck (HN) radiotherapy patients. The contours were propagated from the planning CT to synthetic CTs of the final fraction cone-beam CT (CBCT) anatomy using MIM and Velocity deformable image registration workflows. The workflows were validated using radiation oncologist contours on the planning CT and final fraction CBCT according to TG-132 guidelines. The OAR volumes and mean dose on the synthetic CTs from two workflows were compared using a signed Wilcoxon rank test. In addition, the dose distributions were evaluated using a gamma analysis using clinical criteria. The multi-omic features were extracted using region-of-interest extraction on the OAR with the original and wavelet filters. The feature reliability was evaluated for four OAR: spinal cord, parotid glands, submandibular glands, and pharyngeal constrictors. The reliability was evaluated using the intraclass correlation coefficient (ICC) with features exceeding 0.75 considered moderately reliable. Results . The volume and mean OAR dose were found to be statistically similar between the MIM and Velocity synthetic CT workflows. In addition, the gamma analysis resulted in 83% of plans exceeding 95% gamma passing rate at 3%/3 mm criteria. Across all HN OAR multi-omic features, fewer radiomic features (21%) were found to be moderately reliable compared to dosiomic features (59%) between the two synthetic CT workflows. The HN OAR with the most moderately reliable features was the spinal cord (46% radiomic, 85% dosiomic). Conclusion . Radiomics features presented worse reliability compared to dosiomic features across different synthetic CT deformable image registration workflows. Care should be taken when implementing predictive models using features extracted from different synthetic CT workflows.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,939
Score d'incertitude au seuil0,698

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 recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,005
Tête enseignante GPT0,263
Écart entre enseignants0,258 · 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