CareLit Fachartikel

Machine Learning-Based Ultrasound Texture Analysis in Differentiation of Benign Phyllodes Tumors from Borderline-Malignant Phyllodes Tumors

Isil Basara Akin, Hakan Abdullah Ozgul, Canan Altay, Merih Guray Durak, Suleyman Ozkan Aksoy, Ali Ibrahim Sevinc, Mustafa Secil, Hakan Gulmez, Pinar Balci · Ultraschall in der Medizin - European Journal of Ultrasound · 2023 · Heft 03 · S. 318-326

Dokument
869146
CareLit-ID
Jahr
2023
Publikation
PDF
nein
Metadaten
DOI
ja
zitierfähig

Bibliografische Angaben

Zeitschrift
Ultraschall in der Medizin - European Journal of Ultrasound
Autor:innen
Isil Basara Akin, Hakan Abdullah Ozgul, Canan Altay, Merih Guray Durak, Suleyman Ozkan Aksoy, Ali Ibrahim Sevinc, Mustafa Secil, Hakan Gulmez, Pinar Balci
Ausgabe
Heft 03 / 2023
Jahrgang 44
Seiten
318-326
Erschienen: 2023-06-01 00:00:00
ISSN
0172-4614

Zusammenfassung

Zusammenfassung Hintergrund Phylloides-Tumore (PTs) sind seltene fibroepitheliale Brustläsionen, die in drei verschiedene Typen eingeteilt werden: Benigner (BPT), borderline (BoPT) und maligner (MPT) Phylloides-Tumor. Herkömmliche radiologische Verfahren leisten nur einen begrenzten Beitrag zur exakten Diagnose, und Texturanalysedaten erhöhen die diagnostische Leistung. In dieser Studie wollten wir den Beitrag der Texturanalyse von US-Bildern (TAUI) von PTs bewerten, um zwischen BPTs und BoPTs-MPTs zu differenzieren. Methoden Es gab 63 Patienten (41 BPTs, 12 BoPTs und 10 MPTs). Die Patienten wurden in zwei Grupp…

Schlagworte

machine learning texture analysis ultrasonography phyllodes tumor Ultraschall in der Medizin - European Journal of Ultrasound