Prediction of subtle thermal histopathological change using a novel analysis of Gd‐DTPA kinetics
Notice bibliographique
Résumé
PURPOSE: To investigate Gd-DTPA kinetics as predictors of histopathological changes following focused ultrasound (FUS) thermal ablation for improved planning and assessment. MATERIALS AND METHODS: Twenty-nine FUS lesions were created in the thigh muscle of eight rabbits under MR-guidance at 1.5 Tesla. Three rabbits were killed at four hours; and 11 lesions were analyzed with histopathology. Temperature-sensitive MRI using proton-resonant frequency-shift was used for time-dependent temperature measurements. Analysis of the uptake kinetics of Gd-DTPA was performed after Gd-DTPA injection, within 20 minutes after heating and again at two hours after heating. The resulting kinetic maps, permeability (K(trans)) and leakage space (v(e)), were correlated to peak temperatures, T(2)-weighted MR, and histopathology. RESULTS: Images of K(trans) and v(e) reveal regions of histopathological change not visible on conventional post-therapy MR. At early times after heating, v(e) predicts the area of injury more accurately than T(2) (7 +/- 2% vs. 25 +/- 6% underestimation). A circular region of extensive structural/vascular disruption is indicated only on K(trans) maps. The sharp decrease in K(trans) at the boundary of this region occurs at 47.5 +/- 0.5 degrees C, and may be a better estimate of cell death than the conventional method of temperature threshold (55 degrees C for coagulation) used in therapy planning. CONCLUSION: Our results suggest Gd-DTPA kinetics can predict different histopathological changes following FUS ablation and may be valuable for early prediction.
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) | 0,000 | 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 ».