Temperature‐dependent MR signals in cortical bone: Potential for monitoring temperature changes during high‐intensity focused ultrasound treatment in bone
Notice bibliographique
Résumé
PURPOSE: Because existing magnetic resonance thermometry techniques do not provide temperature information within bone, high-intensity focused ultrasound (HIFU) exposures in bone are monitored using temperature changes in adjacent soft tissues. In this study, the potential to monitor temperature changes in cortical bone using a short TE gradient echo sequence is evaluated. METHODS: The feasibility of this proposed method was initially evaluated by measuring the temperature dependence of the gradient echo signal during cooling of cortical bone samples implanted with fiber-optic temperature sensors. A subsequent experiment involved heating a cortical bone sample using a clinical MR-HIFU system. RESULTS: A consistent relationship between temperature change and the change in magnitude signal was observed within and between cortical bone samples. For the two-dimensional gradient echo sequence implemented in this study, a least-squares linear fit determined the percentage change in signal to be (0.90 ± 0.01)%/°C. This relationship was used to estimate temperature changes observed in the HIFU experiment and these temperatures agreed well with those measured from an implanted fiber-optic sensor. CONCLUSION: This method appears capable of displaying changes related to temperature in cortical bone and could improve the safety of MR-HIFU treatments. Further investigations into the sensitivity of the technique in vivo are warranted.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».