Patterns and Signal Intensity Characteristics of Pelvic Recurrence of Rectal Cancer at MR Imaging
Notice bibliographique
Résumé
Magnetic resonance (MR) imaging is becoming the cross-sectional imaging modality of choice for follow-up of patients with previous rectal cancer to diagnose pelvic recurrence and plan for surgery. The authors conducted a retrospective review of MR imaging examinations performed at their institution for evaluation of local recurrence of rectal cancer in 42 patients. Twenty-six patients had undergone rectal anastomosis and 16 had undergone abdominoperineal resection. The mean interval between initial surgery and recurrence was 2.5 years. Recurrence sites were axial (involving the anastomosis) (n = 19); lateral (sidewall) (n = 6); anterior (prostate or seminal vesicle [n = 2], bladder [n = 4], ureter [n = 3], vagina or uterus [n = 5]); or posterior (presacral fascia [n = 11], sacrum [n = 2]). Other recurrence sites included the pelvic floor (n = 7), sciatic nerve (n = 2), obturator nerve (n = 1), perineum (n = 1), abdominal wall (n = 1), or adnexa (n = 1). Recurrence was confirmed at surgery or by evidence of tumor growth at follow-up imaging. Recurrence patterns, signal intensity characteristics, findings of unresectability, potential MR imaging pitfalls, and the role of MR imaging versus other modalities in evaluating recurrent rectal carcinoma are discussed. Supplemental material available at http://radiographics.rsna.org/lookup/suppl/doi:10.1148/rg335115170/-/DC1.
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 ».