A feasibility study of MR thermometry in vertebra tumor thermotherapy
Notice bibliographique
Résumé
Objective To analyze difficulties of temperature measuring by MR thermometry in different types of tissues near vertebra. Method Regions of interest( ROI) were segmented into several parts based on clinical needs and T1 / T2 maps were acquired in a 3T Phillips scanner. Proton Resonance Frequency( PRF) and spectrum estimation were used separately to measure the temperature in water-domain and water-fat mixed tissues, with field drift correction using muscles as background tissues. Results Eighty-three hundred pixels were chosen in each ROI for PRF method. The mean error value of the spinal cord and intervertebral disk was below 0.2 ℃, and the standard deviation was below 1.5 ℃. The mean error value of the aorta and vena cava was 0.9 ℃-1.8 ℃, while the standard deviation was below 1.7 ℃. The mean error value of the vertebra was around 0.9 ℃, while the standard deviation was near 12 ℃. The standard deviation of the vertebra water-fat mixed region was still above 12 ℃ by using spectrum estimation method. Conclusions MR thermometry nas good performances in regions of water-domain and less blood flow, while the blood flow in aorta and vena caca can induce disturbances in temperature measuring. Susceptibility caused by cancellous bone can also bring errors into temperature results.
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 | 0,000 | 0,001 |
| 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 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 ».