Diffusion Tensor Imaging Tractography of the Facial Nerve in Patients With Cerebellopontine Angle Tumors
Notice bibliographique
Résumé
OBJECTIVE: To demonstrate the utility of diffusion tensor imaging (DTI) fiber tractography of the facial nerve in patients with cerebellopontine angle (CPA) tumors. STUDY DESIGN: Prospective. SETTING: Tertiary referral center. PATIENTS: DTI technique was established in 113 patients without tumors and in 28 patients with CPA tumors. Subsequently, DTI results were compared with intraoperative findings in 21 patients with medium and large-sized tumors, treated surgically via a translabyrinthine approach. INTERVENTION: Three Tesla magnetic resonance (MR) was used for DTI tractography. For patients without CPA tumors, the scanning protocol was 32 directions with a 3 × 3 × 3 mm voxel size. For CPA tumor patients, scanning protocol was 32 directions with a 2 × 2 × 2 mm voxel size. DTI data were used to track the facial nerve. MAIN OUTCOME MEASURES: Facial nerve identification rate. RESULTS: Facial nerve identification rate in MR-DTI was 97% and 100% in patients without tumors and in patients with tumors of the CPA of the internal auditory canal that were not treated surgically, respectively. MR-DTI identification of the facial nerve was successful in 20 patients who were treated surgically (95%). Good agreement between surgical findings and MR-DTI results was found in 19 patients (90%). CONCLUSION: MR DTI tractography is an effective technique in positively identifying the position of the facial nerve in patients with CPA tumors.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 ».