Dynamic CT angiography for cyberknife radiosurgery planning of intracranial arteriovenous malformations: a technical/ feasibility report
Notice bibliographique
Résumé
BACKGROUND: Successful radiosurgery for arteriovenous malformations (AVMs) requires accurate nidus delineation in the 3D treatment planning system (TPS). The catheter biplane digital subtraction angiogram (DSA) has traditionally been the gold standard for evaluation of the AVM nidus, but its 2D nature limits its value for contouring and it cannot be imported into the Cyberknife TPS. We describe a technique for acquisition and integration of 3D dynamic CT angiograms (dCTA) into the Cyberknife TPS for intracranial AVMs and review the feasibility of using this technique in the first patient cohort. PATIENTS AND METHODS: Dynamic continuous whole brain CT images were acquired in a Toshiba 320 volume CT scanner with data reconstruction every 0.5 sec. This multi-time-point acquisition enabled us to choose the CT data-set with the clearest nidus without significant enhancement of surrounding blood vessels. This was imported to the Cyberknife TPS and co-registered with planning CT and T2 MRI (2D DSA adjacent for reference). The feasibility of using dCTA was evaluated in the first thirteen patients with outcome evaluation from patient records. RESULTS: dCTA data was accurately co-registered in the Cyberknife TPS and appeared to assist in nidus contouring for all patients. Imaging modalities were complementary. 85% of patients had complete (6/13) or continuing partial nidus obliteration (5/13) at 37 months median follow-up. CONCLUSIONS: dCTA is a promising imaging technique that can be successfully imported into the Cyberknife TPS and appears to assist in radiosurgery nidus definition. Further study to validate its role is 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 | 0,001 | 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 ».