Localization of the Subthalamic Nucleus: Optimization with Susceptibility-Weighted Phase MR Imaging
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: On clinical MR images, the subthalamic nuclei (STN) are poorly delineated from adjacent structures, impeding safe direct targeting for placement of electrodes in the treatment of Parkinson disease. Susceptibility-weighted MR phase imaging offers improved contrast and spatial resolution at reduced imaging times relative to clinically used T2-weighted spin-echo imaging for STN visualization. Our purpose was to assess STN visibility by using phase imaging, comparing phase and magnitude images obtained concurrently by using susceptibility-weighted imaging (SWI). The goal was to identify an efficient scanning protocol for high-quality phase images of STN. MATERIALS AND METHODS: Seventy-eight SWI scans were acquired at 3T by using different TEs and acceleration factors. STN visibility and delimitation from adjacent structures were scored from 0 (not interpretable) to 5 (excellent). Regression analyses assessed the relationship of STN visibility to scanning parameters RESULTS: STN were identified at all studied TEs on phase images. Visibility and delimitation of STN were consistently superior on phase images compared with magnitude images. Good visualization (score of >or=4) of STN on phase imaging occurred at a mean TE of 20.0 ms and a sensitivity encoding (SENSE) of 1.40. Scores of STN visualization on phase images were dependent on SENSE (P < .002) and TE (P < .031). Good delimitation of the STN on phase imaging occurred at a mean TE of 21.6 ms and a SENSE of 1.36. CONCLUSIONS: Visualization and delimitation of STN was superior on phase images and was achieved at 3T in <2.5 minutes. A TE of 20 ms and an acceleration factor of <or=1.5 are recommended to visualize STN by using this method.
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 ».