Assessment of registration accuracy between magnetic resonance imaging and three-dimensional trans-rectal ultrasound imaging of prostate cancer
Notice bibliographique
Résumé
Prostate cancer (PCa) is the third most common cancer in the world and becomes more prevalent with age. A total of 186,320 new prostate cancer cases and 28,660 deaths from cancer are projected to occur in the United States in 2008. Definitive diagnosis of PCa requires a biopsy, and transrectal ultrasound (TRUS) is often used to guide biopsy needle placement. However, TRUS guided biopsies often underestimate or fail to detect the presence of PCa, likely due to inadequate sampling of the prostate resulting from poor visualization of PCa with ultrasound (US). Approximately 10-25% of patients whose first TRUS biopsies were negative are later diagnosed with cancer. This sub-optimal detection performance can be attributed to the underestimation of the Gleason score, a measure of the cancer progression or can be attributed to the low quality images produced by US resulting in poor visualization of the PCa. Magnetic Resonance Imaging (MRI) has been shown to be extremely sensitive and specific for the detection of prostate cancer. However, biopsy under MRI guidance is very difficult to achieve. If MRI images could be registered in real time to 3D TRUS images, the MRI images could be used to guide the biopsy, potentially reducing the rate of false negative biopsies guided by TRUS alone. The goal of this project is to characterize the registration accuracy between 2D T2-weighted (T2-w) MRI and 3D TRUS images.
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 | 0,017 |
| 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 | 0,001 | 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) | 0,001 | 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 ».