Echotexture and Correlated Histologic Analysis of Peripheral Nerves Important in Regional Anesthesia
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Peripheral nerves in different body locations display different echotextures on ultrasound imaging, and knowledge of peripheral nerve echotexture is helpful for locating target nerves. However, the degree of echogenicity is often difficult to characterize. We aimed to define objectively the degree of echogenicity of peripheral nerves using grayscale measurements and compare nerve echotexture with matched histologic samples. METHODS: Ultrasound images of peripheral nerves in 12 body locations were obtained in 20 healthy subjects using linear 8- to 12-MHz and curved 3- to 5-MHZ transducers. Corresponding nerve segments from 2 cadavers were imaged in vitro before they were sectioned for histologic examination. Nerve echogenicity was assessed by an objective grayscale (G) and a subjective echogenicity index (SEI) determined by experienced evaluators. The results of G and SEI in selected peripheral nerves were compared and correlated with histologic morphometry. RESULTS: There is a close correlation between SEI and G (P < 0.05). Mixed echogenicity was seen in 30% of the peripheral nerves; 25.4% were predominantly hypoechogenic, and 44.5% hyperechogenic. Nerves in the neck and upper arm are more frequently hypoechoic, whereas those in the leg are more frequently hyperechoic. Histologically, differences in echogenicity are dependent on fascicle diameter and on nerve fascicular pattern, that is, differing ratios of fascicle number to total nerve area. CONCLUSIONS: This study suggests that grayscales can be used to objectively determine echogenicity and shows that grayscale measurements match well with subjective visual grading. Histologic analysis showed that both ratio of total fascicular area to whole nerve area and fascicular pattern are important determinants of echogenicity.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,000 |
| 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 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 ».