Evaluation of referenceless thermometry in MRI‐guided focused ultrasound surgery of uterine fibroids
Notice bibliographique
Résumé
PURPOSE: To clinically assess a previously described method (Rieke et.al., Magn Reson Med 2004) to produce more motion-robust MRI-based temperature images using data acquired during MRI-guided focused ultrasound surgery (MRgFUS) of uterine fibroids. MATERIALS AND METHODS: The method ("referenceless thermometry") uses surface fitting in nonheated regions of individual phase images to extrapolate and then remove background phase variations that are unrelated to temperature changes. We tested this method using images from 100 sonications selected from 33 patient MRgFUS treatments. Temperature measurements and thermal dose contours estimated with the referenceless method were compared with those produced with the standard phase-difference technique. Fitting accuracy and noise level were also measured. RESULTS: In 92/100 sonications, the difference between the two measurements was less than 3 degrees C. The average difference in the measurements was 1.5 +/- 1.4 degrees C. Small motion artifacts were observed in the phase-difference imaging when the difference was greater than 3 degrees C. The method failed in two cases. The mean absolute error in the surface fit in baseline images corresponded to a temperature error of 0.8 +/- 1.4 degrees C. The noise level was approximately 40% lower than the phase-difference method. Thermal dose contours calculated from the two methods agreed well on average. CONCLUSION: Based on the small error when compared with the standard technique, this method appears to be adequate for temperature monitoring of MRgFUS in uterine fibroids and may prove useful for monitoring temperature changes in moving organs.
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) | 0,000 | 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 ».