218P Uncertainty estimation of AI-driven volumetric measurements in CT scans: A pleural mesothelioma use-case
Résumé fourni par la source
AI-driven segmentation models can accurately delineate tumor masses and compute volumes; however, in clinical scenarios where tumor burden is tracked to monitor treatment response, the lack of uncertainty estimates becomes a critical limitation. This study aims to propose a new method to provide credibility intervals for total tumor burden in CT scans.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- 218P Uncertainty estimation of AI-driven volumetric measurements in CT scans: A pleural mesothelioma use-case
- Date Crossref
- 01/11/2025
- Éditeur
- Elsevier BV
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude et ne compte pas comme une seconde source scientifique indépendante.
Institutions déclarées
Une affiliation ne permet pas de déduire la nationalité d’un auteur.