thumbnail

Springer Science and Business Media LLC

SCOPUS (2017-2023)ESCI-ISI

 

  2509-9280

 

Cơ quản chủ quản:  SpringerOpen , Springer Nature

Lĩnh vực:
Radiology, Nuclear Medicine and Imaging

Các bài báo tiêu biểu

Radiomics: the facts and the challenges of image analysis
- 2018
Stefania Rizzo, Francesca Botta, Sara Raimondi, Daniela Origgi, Cristiana Fanciullo, Alessio Giuseppe Morganti, Massimo Bellomi
Ý nghĩa thống kê: giá trị p, ngưỡng 0,05 và ứng dụng trong radiomics - lý do cho một cách tiếp cận bảo thủ Dịch bởi AI
- 2020
Giovanni Di Leo, Francesco Sardanelli
Tóm tắt

Trong bài viết này, chúng tôi tóm tắt cuộc tranh luận chưa được giải quyết về giá trị p và sự phân chia của nó. Chúng tôi trình bày tuyên bố của Hiệp hội Thống kê Hoa Kỳ về việc chống lại việc lạm dụng ý nghĩa thống kê cũng như các đề xuất để từ bỏ việc sử dụng giá trị p và giảm ngưỡng ý nghĩa từ 0,05 xuống 0,005. Chúng tôi nhấn mạnh các lý do cho một cách tiếp cận bảo thủ, vì nghiên cứu lâm sàng cần các câu trả lời phân cực để hướng dẫn việc ra quyết định, đặc biệt trong trường hợp hình ảnh chẩn đoán và can thiệp xạ trị. Với ngưỡng giá trị p giảm, chi phí nghiên cứu có thể tăng lên trong khi nghiên cứu tự phát có thể giảm. Bằng chứng thứ cấp từ các đánh giá hệ thống/ phân tích meta, chia sẻ dữ liệu và phân tích chi phí-hiệu quả là những cách tốt hơn để giảm thiểu tỷ lệ phát hiện sai và thiếu khả năng tái lập liên quan đến việc sử dụng ngưỡng 0,05. Quan trọng là, khi báo cáo giá trị p, các tác giả nên luôn cung cấp giá trị thực tế, không chỉ là các tuyên bố “p < 0,05” hoặc “p ≥ 0,05”, vì giá trị p cho biết mức độ tương thích của dữ liệu với giả thuyết không. Đáng chú ý, radiomics và dữ liệu lớn, được thúc đẩy bởi việc ứng dụng trí tuệ nhân tạo, liên quan đến hàng trăm/nghìn đặc tính được thử nghiệm tương tự như các “omics” khác như genomics, nơi mà việc giảm ngưỡng ý nghĩa, dựa trên các điều chỉnh đã biết cho việc kiểm tra nhiều lần, đã được áp dụng.

Về việc sử dụng khoảng cách Hausdorff trung bình để đánh giá hiệu suất phân đoạn: lỗi ẩn khi được sử dụng để xếp hạng Dịch bởi AI
Tập 5 Số 1
Orhun Utku Aydin, Abdel Aziz Taha, Adam Hilbert, Ahmed A. Khalil, Ivana Galinović, Jochen B. Fiebach, Dietmar Frey, Vince I. Madai
Tóm tắt

Khoảng cách Hausdorff trung bình là một thước đo hiệu suất phổ biến được sử dụng để tính toán khoảng cách giữa hai tập điểm. Trong phân đoạn hình ảnh y tế, nó được sử dụng để so sánh hình ảnh thực tế với các phân đoạn, cho phép xếp hạng chúng. Tuy nhiên, chúng tôi đã xác định được những sai sót trong việc xếp hạng khoảng cách Hausdorff trung bình khiến nó trở nên ít phù hợp cho các ứng dụng đánh giá hiệu suất phân đoạn. Để giảm thiểu lỗi này, chúng tôi trình bày một phép tính sửa đổi của thước đo hiệu suất này mà chúng tôi đã đặt tên là “khoảng cách Hausdorff trung bình cân bằng”. Để mô phỏng các phân đoạn cho việc xếp hạng, chúng tôi đã tạo ra bằng tay những lỗi phân đoạn không chồng chéo thường gặp trong phân đoạn mạch não bằng phương pháp chụp cộng hưởng từ, theo trường hợp sử dụng của chúng tôi. Bằng cách thêm những lỗi đã tạo ra một cách liên tiếp và ngẫu nhiên vào hình ảnh thực tế, chúng tôi đã tạo ra các tập hợp phân đoạn mô phỏng với số lượng lỗi tăng dần. Mỗi tập phân đoạn mô phỏng được xếp hạng bằng cả hai thước đo hiệu suất. Chúng tôi đã tính toán hệ số tương quan thứ hạng Kendall giữa thứ hạng phân đoạn và số lượng lỗi trong mỗi phân đoạn mô phỏng. Các thứ hạng được tạo ra bởi khoảng cách Hausdorff trung bình cân bằng có độ tương quan trung vị cao hơn đáng kể (1.00) so với khoảng cách Hausdorff trung bình (0.89). Trong tổng số 200 thứ hạng, cái trước đã xếp sai 52 trường hợp trong khi cái sau đã xếp sai 179 phân đoạn. Khoảng cách Hausdorff trung bình cân bằng phù hợp hơn cho việc xếp hạng và đánh giá chất lượng của các phân đoạn so với khoảng cách Hausdorff trung bình.

Điểm độ tổn thương phổi trên X-quang ngực ở bệnh nhân COVID-19 khi nhập viện tại phòng cấp cứu: một nghiên cứu tại hai trung tâm Dịch bởi AI
Tập 4 Số 1 - 2020
Cristian Giuseppe Monaco, Federico Zaottini, Simone Schiaffino, Alessandro Villa, Gianmarco Della Pepa, Luca A. Carbonaro, Laura Menicagli, Andrea Cozzi, Serena Carriero, Francesco Arpaia, Giovanni Di Leo, Davide Astengo, I. L. Rosenberg, Francesco Sardanelli
Abstract Đặt vấn đề

Việc kết hợp các thông số hình ảnh và lâm sàng có thể cải thiện phân tầng bệnh nhân COVID-19 khi nhập viện tại phòng cấp cứu. Mục tiêu của chúng tôi là đánh giá mức độ tổn thương phổi do COVID-19 trên hình ảnh X-quang ngực (CXR) bằng cách sử dụng thang điểm mức độ bán định lượng, đồng thời tương quan với dữ liệu lâm sàng và kiểm tra độ đồng thuận giữa các người đánh giá.

Phương pháp

Từ ngày 22 tháng 2 đến ngày 8 tháng 4 năm 2020, 926 bệnh nhân liên tiếp nghi ngờ nhiễm SARS-CoV-2 đã được xem xét tại phòng cấp cứu của hai cơ sở ở miền Bắc Italy. Những bệnh nhân có kết quả xét nghiệm phản ứng chuỗi polymerase sao chép ngược dương tính với SARS-CoV-2 và hình ảnh CXR khi nhập viện được đưa vào nghiên cứu (295 bệnh nhân, độ tuổi trung vị 69 tuổi, 199 nam giới). Năm người đọc độc lập và mù đã đánh giá tất cả CXR, đánh giá sự tham gia của mô phổi bằng thang điểm bán định lượng từ 0 đến 3 theo từng bước 1 điểm trên 6 vùng phổi (tổng điểm từ 0 đến 18). Độ đồng thuận giữa các người đánh giá được đánh giá bằng hệ số Cohen có trọng số κ, tương quan giữa điểm CXR trung vị và dữ liệu lâm sàng được đo bằng hệ số Spearman ρ, và kiểm tra Mann-Whitney U.

Kết quả

Điểm trung vị cho thấy có tương quan âm với SpO2 (ρ = -0.242, p < 0.001), có tương quan dương với số lượng bạch cầu (ρ = 0.277, p < 0.001), lactate dehydrogenase (ρ = 0.308, p < 0.001), và protein C-reactive (ρ = 0.367, p < 0.001), với điểm số này cao hơn đáng kể ở những bệnh nhân sau đó đã tử vong (p = 0.003). Xét về điểm số tổng thể, sự kết hợp giữa các người đọc cho thấy độ đồng thuận giữa các người đánh giá từ trung bình (κ = 0.449, p < 0.001) đến gần như hoàn hảo (κ = 0.872, p < 0.001), với độ đồng thuận tốt hơn giữa các người đánh giá của trung tâm 2 (lên tới κ = 0.872, p < 0.001) so với trung tâm 1 (κ = 0.764, p < 0.001).

Kết luận

Điểm số độ nặng phổi trên CXR ở bệnh nhân COVID-19 cho thấy độ đồng thuận giữa các người đánh giá từ trung bình đến gần như hoàn hảo và có sự tương quan đáng kể nhưng yếu với các thông số lâm sàng, điều này có thể thúc đẩy việc tích hợp CXR trong phân tầng bệnh nhân.

#COVID-19 #X-quang ngực #tổn thương phổi #điểm độ nặng #đánh giá giữa các người đọc
Augmented reality for interventional oncology: proof-of-concept study of a novel high-end guidance system platform
Tập 2 Số 1 - 2018
Marco Solbiati, Katia M. Passera, Alessandro Rotilio, Francesco Oliva, Ilaria Marre, S. Nahum Goldberg, Tiziana Ierace, Luigi Solbiati
Generative models: an upcoming innovation in musculoskeletal radiology? A preliminary test in spine imaging
- 2018
Fabio Galbusera, Tito Bassani, Gloria Casaroli, Salvatore Gitto, Edoardo Zanchetta, Francesco Costa, Luca Maria Sconfienza
CMR trong đặc trưng cơ tim ở bệnh lý tim thiếu máu cục bộ: công nghệ tiên tiến và phát triển trong tương lai Dịch bởi AI
Tập 5 Số 1
Tilman Emrich, Moritz C. Halfmann, U. Joseph Schoepf, Karl‐Friedrich Kreitner
Tóm tắt

Bệnh tim thiếu máu cục bộ và những hệ lụy của nó là một trong những nguyên nhân chính gây ra tình trạng bệnh tật và tử vong trên toàn thế giới. Trong những thập kỷ qua, các phát triển công nghệ đã củng cố vai trò của hình ảnh không xâm lấn trong việc phát hiện, phân loại nguy cơ và quản lý bệnh nhân mắc bệnh tim thiếu máu cục bộ. Hình ảnh cộng hưởng từ tim (CMR) kết hợp cả đặc trưng chức năng và hình thái của tim để xác định sự hiện diện, tính cấp tính và mức độ nghiêm trọng của bệnh tim thiếu máu cục bộ thông qua việc đánh giá chuyển động và chức năng của cơ tim, sự hiện diện và mức độ phù nề cơ tim, thiếu máu và sẹo. Các quy trình lâm sàng hiện tại đã chứng minh giá trị chẩn đoán và tiên lượng của chúng. Tuy nhiên, có những công nghệ hình ảnh mới nổi cung cấp thông tin bổ sung dựa trên định lượng tinh vi của các dấu ấn hình ảnh và độ chính xác chẩn đoán cao hơn, do đó có khả năng cho phép giảm hoặc tránh sử dụng thuốc cản quang và/hoặc tác nhân gây căng thẳng. Mục tiêu của bài đánh giá này là tóm tắt tình trạng công nghệ hiện tại của hình ảnh CMR cho bệnh tim thiếu máu cục bộ và cung cấp những cái nhìn về các phát triển hứa hẹn trong tương lai.

Tác động của sự biến thiên trong việc định hình giữa các độc giả lên radiomics kết cấu của di căn gan do ung thư đại trực tràng Dịch bởi AI
- 2020
Francesco Rizzetto, F. Calderoni, C. De Mattia, Arianna Defeudis, Valentina Giannini, Simone Mazzetti, Lorenzo Vassallo, Silvia Ghezzi, Andrea Sartore‐Bianchi, Silvia Marsoni, Salvatore Siena, Daniele Regge, A. Torresin, Angelo Vanzulli
Tóm tắt Đặt vấn đề

Radiomics được kỳ vọng sẽ cải thiện quản lý di căn ung thư đại trực tràng (CRC). Chúng tôi nhằm đánh giá tác động của việc định hìnhlesion ở gan như một nguồn biến thiên lên các đặc trưng radiomic (RF).

Phương pháp

Sau khi được sự phê duyệt của Ủy ban Đạo đức, 70 di căn gan ở 17 bệnh nhân CRC đã được phân đoạn trên các hình ảnh chụp cắt lớp vi tính có tăng cường bởi thuốc tương phản do hai bác sĩ nội trú và được kiểm tra bởi các bác sĩ chẩn đoán hình ảnh có kinh nghiệm. Các RF từ ma trận đồng xuất cấp xám và ma trận độ dài chạy đã được trích xuất từ các vùng quan tâm ba chiều (3D) và hai chiều (2D) lớn nhất. Biến thiên giữa các độc giả được đánh giá bằng hệ số Dice và khoảng cách Hausdorff, trong khi tác động của nó đối với các RF được đánh giá bằng sự thay đổi tương đối trung bình (MRC) và hệ số tương đồng trong nhóm (ICC). Đối với tổn thương chính của mỗi bệnh nhân, một độc giả cũng phân đoạn một ROI tròn trên cùng một hình ảnh được sử dụng cho ROI 2D.

Kết quả

Sự đồng thuận định hình giữa các độc giả tốt nhất được quan sát thấy đối với ROI 2D theo cả hệ số Dice (trung vị 0.85, khoảng giữa 0.78–0.89) và khoảng cách Hausdorff (0.21 mm, 0.14–0.31 mm). So sánh các giá trị RF, MRC dao động trong khoảng 0–752% đối với 2D và 0–1567% đối với 3D. Đối với 24/32 RFs (75%), MRC thấp hơn đối với 2D so với 3D. Một ICC > 0.90 đã được quan sát thấy cho nhiều RF hơn đối với 2D (53%) so với 3D (34%). Chỉ có 2/32 RFs (6%) cho thấy sự biến thiên giữa ROI 2D và ROI tròn cao hơn sự biến thiên giữa các độc giả.

Automatic segmentation and classification of breast lesions through identification of informative multiparametric PET/MRI features
Tập 3 Số 1 - 2019
Wolf‐Dieter Vogl, Katja Pinker, Thomas H. Helbich, Hubert Bickel, G Grabner, Wolfgang Bogner, Stephan Gruber, Zsuzsanna Bagó-Horváth, Peter Dubsky, Georg Langs
Estimated intracranial volume from FreeSurfer is biased by total brain volume
- 2018
Niklas Klasson, Erik Olsson, Carl Eckerström, Helge Malmgren, Anders Wallin