INFLUENCE OF RECONSTRUCTION KERNEL AND SLICE THICKNESS ON AUTOMATED ASPECTS PERFORMANCE FOR DETECTION OF EARLY ISCHEMIC CHANGES ON NON-CONTRAST BRAIN COMPUTED TOMOGRAPHY SCANS
Notice bibliographique
Résumé
Background and Aims:With the Alberta Stroke Program Early Computed Tomography Score (ASPECTS), 10 brain-regions are dichotomously scored on presence of ischemic stroke damage. Considerable variability in CT-scanner parameter settings is seen in clinical practice. Optimized parameters could improve the performance of ASPECTS software. We evaluated the influence of CT-scan parameter settings on computed ASPECTS (c-ASPECTS 2.0.1, Frontier, Siemens Healthineers, Forchheim, Germany).Methods:Prospectively, patients with acute stroke symptoms received a Non Contrast CT-scan (Siemens Somatom Definition Edge). Thirty consecutive patients with middle cerebral artery (MCA) occlusion were included. c-ASPECTS were assessed in images with different Siemens CT reconstruction kernels (J30s/J37s/J40s and H20s/H30s/H31s) and slice thicknesses (2.0-5.0 mm). Ground truth ASPECTS was provided by an expert with unrestricted data access. Scans (J40s: 5.0 mm and J30s: 2.0 mm) were evaluated by four readers for ASPECTS. For every combination of parameters, we calculated the agreement of ground truth with c-ASPECTS and c-ASPECTS regions, respectively. Agreement of c-ASPECTS across all parameter combinations was assessed. Correlation of ground truth with readers and c-ASPECTS was calculated.Results:Comparison of ground truth with c-ASPECTS and c-ASPECTS regions across all parameter combinations shows ICCu2019s of 0.421-0.609 and agreement of 0.80-0.82, respectively. No significant differences were found between images reconstructed with different kernels or slice thicknesses. Agreement of c-ASPECTS across all parameter combinations shows an ICC of 0.936. Comparison of ground truth with readers and c-ASPECTS resulted in comparable correlations (ICCu2019s of 0.541-0.811 and 0.519, respectively).Conclusions:Reconstruction kernels and slice thicknesses do not significantly affect the performance of c-ASPECTS.
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 | 0,012 | 0,047 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 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 ».