Dynamic T2-mapping during magnetic resonance guided high intensity focused ultrasound ablation of bone marrow
Notice bibliographique
Résumé
Focal bone tumor treatments include amputation, limb-sparing surgical excision with bone reconstruction, and high-dose external-beam radiation therapy. Magnetic resonance guided high intensity focused ultrasound (MR-HIFU) is an effective non-invasive thermotherapy for palliative management of bone metastases pain. MR thermometry (MRT) measures the proton resonance frequency shift (PRFS) of water molecules and produces accurate (<1°C) and dynamic (<5s) thermal maps in soft tissues. PRFS-MRT is ineffective in fatty tissues such as yellow bone marrow and, since accurate temperature measurements are required in the bone to ensure adequate thermal dose, MR-HIFU is not indicated for primary bone tumor treatments. Magnetic relaxation times are sensitive to lipid temperature and we hypothesize that bone marrow temperature can be determined accurately by measuring changes in T2, since T2 increases linearly in fat during heating. T2-mapping using dual echo times during a dynamic turbo spin-echo pulse sequence enabled rapid measurement of T2. Calibration of T2-based thermal maps involved heating the marrow in a bovine femur and simultaneously measuring T2 and temperature with a thermocouple. A positive T2 temperature dependence in bone marrow of 20 ms/°C was observed. Dynamic T2-mapping should enable accurate temperature monitoring during MR-HIFU treatment of bone marrow and shows promise for improving the safety and reducing the invasiveness of pediatric bone tumor treatments.
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 | 0,000 |
| 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) | 0,001 | 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 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 ».