Pediatric Soft-Tissue Tumors and Pseudotumors: MR Imaging Features with Pathologic Correlation
Notice bibliographique
Résumé
In the final part of this two-part review article on soft-tissue masses in children, the magnetic resonance (MR) imaging features, clinical findings, and pathologic findings in a wide variety of tumors, including those of fibroblastic/myofibroblastic origin, so-called fibrohistiocytic tumors, smooth-muscle tumors, skeletal-muscle tumors, tumors of uncertain differentiation, and lymphoma, are described. Other neoplasms that are not included in the World Health Organization classification of soft-tissue tumors but may be seen clinically as soft-tissue masses, specifically dermatofibrosarcoma protuberans, neurogenic tumors and pilomatricoma, are also included. In contrast to the tumors reviewed in Part 1 of this review, the MR imaging features and clinical findings of the tumors included here are largely nonspecific. However, MR imaging is useful in determining site of tumor origin, extent of disease, and relation of tumor to adjacent anatomic structures, and for follow-up after therapy. In some of these entities, the combination of findings may aid in narrowing the differential diagnosis, such as persistent low signal intensity on T1- and T2-weighted images in some fibroblastic lesions, identification of hemosiderin and a synovial origin in pigmented villonodular synovitis, or the presence of multiple target signs on T2-weighted images in deep plexiform neurofibroma. In a large number of cases, however, tissue biopsy is required for final diagnosis.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».