MétaCan
Menu
Retour à la cohorte
Enregistrement W1872354477 · doi:10.1088/0031-9155/46/12/305

Interstitial ultrasound heating applicator for MR-guided thermal therapy.

2001· article· en· W1872354477 sur OpenAlexaff
Rajiv Chopra, C. Luginbuhl, Alfred J. Weymouth, F. Stuart Foster, Michael Bronskill

Notice bibliographique

RevuePhysics in Medicine and Biology · 2001
Typearticle
Langueen
DomaineEngineering
ThématiqueUltrasound and Hyperthermia Applications
Établissements canadiensHealth Sciences CentreUniversity of TorontoSunnybrook Health Science Centre
Organismes subventionnairesNational Cancer Institute
Mots-clésMaterials scienceRADIUSUltrasoundThermalBiomedical engineeringAcousticsMedicinePhysics

Résumé

récupéré en direct d'OpenAlex

The ability to control the shape of thermal coagulation was investigated for various interstitial heating applicators incorporating planar transducers and device rotation. Magnetic-resonance-compatible interstitial ultrasound applicators were constructed and the effects of ultrasound power, frequency, scan rate and heating time on lesion radius were studied in heating experiments in excised liver tissue. Continuous thermal lesions were generated by scanning heating applicators over a 180 angular sector. The region of thermal coagulation was restricted to the prescribed sector. Lesion radius increased with acoustic power and heating time and decreased with increasing frequency. The relationship between the temperature distribution generated by the applicator and the resulting thermal lesion was assessed with MRI. Analysis of MR temperature maps revealed that the temperature distribution could be measured accurately within 2 mm from the surface of the applicator, and the boundary of thermal coagulation was defined by a temperature of 54 +/- 12 degrees C. Calculations of temperature distributions indicated that slower scan rates can overcome the tendency of perfusion to reduce the radius of thermal lesion. This applicator design and delivery strategy make conformal interstitial heating possible.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,816
Score d'incertitude au seuil0,316

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,155
Tête enseignante GPT0,361
Écart entre enseignants0,206 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations49
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhysics in Medicine and BiologyMême sujetUltrasound and Hyperthermia ApplicationsTravaux en français237 207