Multi‐echo gradient recalled echo imaging of the pelvis for improved depiction of brachytherapy seeds and fiducial markers facilitating radiotherapy planning and treatment of prostatic carcinoma
Notice bibliographique
Résumé
PURPOSE: MR localization of implanted devices for radiotherapy (RT) in prostatic carcinoma is critical for treatment planning. This clinical note studies the application of a multi-echo gradient recalled echo (GRE) pulse sequence with sum of squares echo combination (ME GRE) to enhance detection of seeds and fiducials. MATERIALS AND METHODS: Fifteen patients who underwent MRI using fast spin echo (FSE), single-echo and ME GRE over a 9-month period were retrospectively evaluated by two readers who assessed overall image quality, depiction of seeds/fiducials and image sharpness using a 5-point scale (1 = poor, 2 = suboptimal, 3 = adequate, 4 = above average, 5 = excellent). Image scores were compared using the Wilcoxon sign rank test. RESULTS: In all 15 patients, both readers rated the depiction of seeds/fiducials with ME GRE as excellent. In all 15 patients, overall image quality and image sharpness with ME GRE was rated as excellent by reader 1. In 12/15 patients, overall image quality and image sharpness with ME GRE was rated as excellent and in the other patients above average by reader 2. There was a difference in depiction of seeds/fiducials comparing GRE to FSE (P < 0.001) and ME to single echo GRE (P < 0.001). Overall image quality and sharpness was higher with ME compared with single echo GRE (P < 0.001) and similar to FSE (P = 0.26 and P = 0.16). CONCLUSION: Multi-echo GRE provides better detection of implanted seeds and fiducial markers when compared with both FSE and single-echo GRE potentially improving RT treatment planning for prostate carcinoma.
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 ».