MétaCan
Menu
Retour à la cohorte
Enregistrement W1923837660 · doi:10.1002/jmri.24028

Incorporating endorectal MR elastography into multi‐parametric MRI for prostate cancer imaging: Initial feasibility in volunteers

2013· article· en· W1923837660 sur OpenAlexafffund
Arvin Arani, Michael Da Rosa, Elizabeth Ramsay, Don B. Plewes, Masoom A. Haider, Rajiv Chopra

Notice bibliographique

RevueJournal of Magnetic Resonance Imaging · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueUltrasound Imaging and Elastography
Établissements canadiensUniversity Health NetworkUniversity of TorontoSunnybrook Health Science Centre
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health ResearchMinistry of Education, India
Mots-clésProstate cancerMedicineProstateElastographyTolerabilityMagnetic resonance elastographyMagnetic resonance imagingRadiologyNuclear medicineCancerBiomedical engineeringUltrasoundPathologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

PURPOSE: To investigate the tolerability and technical feasibility of performing endorectal MR elastography (eMRE) in human volunteers within the representative age group commonly affected by prostate cancer. MATERIALS AND METHODS: Endorectal MRE was conducted on seven volunteers in a 1.5 Tesla (T) MR imager using a rigid endorectal coil. Another five volunteers were imaged on a 3T MR imager using an inflatable balloon type endorectal coil. Tolerability was accessed for vibration amplitudes of ±1-50 μm and for frequencies of 100-300 Hz. RESULTS: All 12 volunteers tolerated the displacements necessary to successfully perform eMRE. Shear waves with frequencies up to 300 Hz could propagate across the entire prostate using both coil designs. CONCLUSION: The results of this study motivate further investigation of eMRE in prostate cancer patients to help determine if there is an added value of integrating eMRE into existing multi-parametric prostate MRI exams.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,153
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,012
Tête enseignante GPT0,293
Écart entre enseignants0,281 · 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.

Devis d'étudeObservationnel
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

Citations32
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Magnetic Resonance ImagingMême sujetUltrasound Imaging and ElastographyTravaux en français237 207