• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>Cancers >Predictive Modeling for Voxel-Based Quantification of Imaging-Based Subtypes of Pancreatic Ductal Adenocarcinoma (PDAC): A Multi-Institutional Study
【2h】

Predictive Modeling for Voxel-Based Quantification of Imaging-Based Subtypes of Pancreatic Ductal Adenocarcinoma (PDAC): A Multi-Institutional Study

机译：基于体素的胰腺导管腺癌（PDAC）基于体素的量化的预测模型（PDAC）：多制度研究

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Previously, we demonstrated that qualitative scoring of pancreatic ductal adenocarcinoma (PDAC) tumors on computed tomography (CT) scans (delta) is biologically and clinically relevant, whereby tumors with a conspicuous border (high delta) show more aggressive biology and are associated with worse clinical outcomes when compared to those with an inconspicuous border (low delta). However, in some cases, a visual classification can be challenging and subjective. Here, we used machine learning and quantitative approaches for a multi-institutional dataset to build a biologically and clinically relevant model that can quantitatively identify these imaging-based subtypes of PDAC from routine CT scans. Our results showed that the quantitative classification (q-delta) had high correlation with the gold standard qualitative scoring in internal and external datasets. Further, q-delta classification was demonstrated to be associated with the clinical outcome and the stromal heterogeneity of the PDAC tumors. High intra- and interrater agreement scores indicate the reproducibility of the results.
机译：以前，我们证明，在计算断层扫描（CT）扫描（DELTA）上的胰腺导管腺癌（PDAC）肿瘤的定性评分在生物学和临床上相关，由此具有显着的边界（高Δ）的肿瘤显示出更具侵略性的生物学，并且与更严重的情况有关与具有不起眼的边界（低三角体）的人相比临床结果。但是，在某些情况下，视觉分类可能是挑战性和主观性的。在这里，我们使用了用于多机构数据集的机器学习和定量方法来构建生物学和临床相关模型，可以从常规CT扫描中定量地识别PDAC的基于成像的基于成像的亚型。我们的研究结果表明，定量分类（Q-DELTA）与内部和外部数据集中的金标准定性评分具有高的相关性。此外，证据证明Q-Delta分类与PDAC肿瘤的临床结果和基质异质性相关。高内和中间人协议评分表示结果的可重复性。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号