Evaluation of Traumatic Subarachnoid Hemorrhage Using Susceptibility-Weighted Imaging
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: SWI is an MR imaging technique that is very sensitive to hemorrhage. Our goal was to compare SWI and CT to determine if SWI can show traumatic SAH in different parts of the subarachnoid space. MATERIALS AND METHODS: Twenty acute TBI patients identified by CT with SAH underwent MR imaging scans. Two neuroradiologists analyzed the CT and SWI data to decide whether there were SAHs in 8 anatomical parts of the subarachnoid space. RESULTS: Fifty-five areas with SAH were identified by both CT and SWI. Ten areas were identified by CT only and 13 by SWI only. SAH was recognized on SWI by its very dark signal intensity surrounded by CSF signal intensity in the sulci or cisterns. Compared with the smooth-looking veins, SAH tended to have a rough boundary and inhomogeneous signal intensity. In many instances, blood in the sulcus left an area of signal intensity loss that had a "triangle" shape. SWI showed 5 more cases of intraventricular hemorrhage than did CT. CONCLUSIONS: SAH can be recognized by SWI through its signal intensity and unique morphology. SWI can provide complementary information to CT in terms of small amounts of SAH and hemorrhage inside the ventricles.
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 | 0,002 | 0,001 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».