MétaCan
Menu
Retour à la cohorte
Enregistrement W4412447896 · doi:10.1016/j.ultrasmedbio.2025.06.018

Ultrasound Radiomics Correlating With Clinical Markers for Enhanced Detection of Placenta Accreta Spectrum

2025· article· en· W4412447896 sur OpenAlexafffundabout
Dylan Young, Naimul Khan, Sebastian R. Hobson, Dafna Sussman

Notice bibliographique

RevueUltrasound in Medicine & Biology · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueMaternal and fetal healthcare
Établissements canadiensSt. Michael's HospitalMount Sinai Hospital
Organismes subventionnairesCanadian Institutes of Health ResearchGovernment of OntarioNatural Sciences and Engineering Research Council of CanadaToronto Metropolitan University
Mots-clésPlacenta accretaRadiomicsUltrasoundMedicineObstetricsPlacentaRadiologyPregnancyBiologyFetus

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: (i) To develop an accurate and robust ultrasound-based quantitative index for placenta accreta spectrum (PAS) diagnosis by amalgamating texture features from B-mode and color Doppler imaging. (ii) To test the correlation of this index with established sonographic markers for PAS. METHODS: In this retrospective study, we collected 2106 texture features extracted from the midsagittal placental view of mid-trimester B-mode and Doppler ultrasound images. These images were acquired during ultrasound examinations conducted between 24 and 34 wk gestation from patients diagnosed with placenta previa and at least one prior uterine surgery risk factor for PAS at a tertiary center in Toronto, Canada. Three distinct models were developed: one using B-mode data (n = 174), another using color Doppler data (n = 98), and a third integrating both modalities (n = 98). Integrated features, derived from weighted z-scores, were employed to generate a quantitative index for detecting PAS. A feature selection pipeline was implemented, combining linear discriminant analysis, extra trees regression and recursive feature elimination. The pipeline identified 15-feature subsets for both B-mode and Doppler models, and a 20-feature subset for the multimodal model, both of which were used for training. The predictive performance of each model (presence/absence of PAS) was assessed using five-fold cross-validation and tested on a separate hold-out test set. Subsequently, the optimized quantitative metrics were examined for any statistically significant correlations with established sonographic clinical markers. RESULTS: The five-fold cross-validation accuracies across the developed B-mode, color Doppler and multimodal models were 88.7% (±5.3), 85.1% (±9.1) and 90% (±6.7), respectively. All eight of the clinical disease markers evaluated from each ultrasound image were determined to be discriminative of the quantitative index generated from B-mode and multimodal models, and six of the eight markers were discriminative of the index generated from Doppler alone. CONCLUSION: Combined B-mode and Doppler ultrasound-based radiomics can accurately detect PAS in patients with placenta previa and provide a surgical risk factor for PAS using simple and computationally inexpensive operations. The rank correlations between B-mode and color Doppler quantitative indices and their corresponding clinical markers highlight that this multimodal approach captures crucial diagnostic information that may be missed by individual models. All models exhibit notably higher accuracy than projected clinical standards and suggest their potential as aids for clinical decision-making at routine mid-trimester scans.

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)0,002
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,003
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
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 Opus0,023
Tête enseignante GPT0,361
Écart entre enseignants0,339 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
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

Citations1
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueUltrasound in Medicine & BiologyMême sujetMaternal and fetal healthcareTravaux en français237 207