Simultaneous Visualization of Nerves and Vessels of the Lower Extremities Using Magnetization-Prepared Susceptibility Weighted Magnetic Resonance Imaging at 3.0 T
Notice bibliographique
Résumé
BACKGROUND: Identifying the extent of involvement of the vessel and nerve, particularly in regard to preoperative evaluation and precise localization of the tumor and its relation to the structures of the extremities, has important applications for advancing the treatment of lower extremity diseases. OBJECTIVE: To review the technical feasibility of simultaneous visualization of nerves and vessels of the lower extremities by using magnetization-prepared susceptibility-weighted magnetic resonance (MR) imaging (MP-SWI) at 3.0T. METHODS: Ten healthy volunteers and 10 patients were studied. Optimized MP-SWI, MR neurography (MRN) based on 3D diffusion-weighted steady-state free precession imaging and contrast-enhanced MR angiography (CE-MRA) sequences were performed for each subject. The means of signal-to-noise ratio (SNR)n, SNRv, SNRm, contrast-to-noise ratio (CNR)n,m and CNRv,m were calculated and the certainty of identifying nerves and vessels was determined. CNRn,m between MP-SWI and MRN, and CNRv,m between MP-SWI and CE-MRA were compared. RESULTS: MP-SWI provides slightly poorer CNRv,m than CE-MRA, whereas MP-SWI provides a better CNRn,m than MRN. In thin-slice-thickness maximum-intensity projection arbitrary planes, the sciatic nerve and its branches were clearly identified (score 1 or 2 of 2) in 17 subjects (85%); the femoral artery and the main branches were identified (score 1 or 2 of 2) in all 20 subjects (100%). The nerves are isointense to slightly hypointense to muscle, and the vessels show a more obvious hyperintense signal than muscle in MP-SWI. CONCLUSION: The proposed MP-SWI demonstrates the feasibility of simultaneously visualizing nerves and vessels of the lower extremities without using an exogenous contrast agent. It may enable straightforward localization of a disease process to a specific nerve and vessel.
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 | 0,001 | 0,001 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».