Computer-aided Nodule Detection in the Lung Apices in Head and Neck Computed Tomography Angiography
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.
Notice bibliographique
Résumé
PURPOSE: Computed tomography angiography (CTA) of the head and neck includes the pulmonary apices, a common location for pulmonary nodules. Computer-aided detection (CAD) is an adjunctive tool for the detection of lung nodules and is widely used in standard chest CT scans. We evaluated whether the available software can be applied to CTA head and neck examinations, which include the lung apices, resulting in improved accuracy for lung nodule detection. MATERIALS AND METHODS: In this retrospective single-center study, 191 previously reported head and neck CTA scans were re-evaluated for apical pulmonary nodules by 2 radiologists. Subsequently, CAD software ( Syngo .via, Siemens Healthiness AG) was applied to the lung apices and the results were compared between CAD and research radiologists (first reading) or clinical radiologist (null reading). In addition, the CAD performance in limited lung fields was compared with the accepted CAD assessment applied to whole lungs. RESULTS: Of the 191 patients, 110 (57.6%) were men, with a mean age of 68 years. In the 24 CT scans, the research radiologists detected 40 nodules. In the 180 scans evaluated by CAD, the software detected 39 nodules in 22 examinations, with a sensitivity of 60.8% and a PPV of 63.6%. In the remaining 158 examinations in which CAD did not detect nodules, the radiologists concurred in 149 scans, with a specificity of 94.9%, NPV of 94.3%, and accuracy of 90.6%. CONCLUSION: The study results indicate that CAD is an unexpected quick supportive tool for nodule detection, particularly for excluding clinically significant nodules in lung apices on CTA head and neck, showing similar results for partial and full lung fields.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle