Magnetic Resonance Spectroscopy and Single-Photon Emission Computed Tomography in the Evaluation of Cerebral Tumors: A Case Report
Notice bibliographique
Résumé
In their daily clinical practice, physicians have to confront diagnostic dilemmas which cannot be resolved by the application of only one imaging technique. In this case report, we present a 66-year-old woman who was admitted to our institution for the surgical resection of a recently diagnosed brain tumor. The patient had a history of epileptic seizures and was hospitalized in the past for anti-phospholipid syndrome related to a non-Hodgkin lymphoma in remission. Magnetic resonance imaging (MRI) examination revealed an enhancing right parasagittal lesion with significant edema suggestive of a high grade glioma. Advanced MRI techniques including proton magnetic resonance spectroscopy ( 1 H-MRS) showed findings compatible of glioma. An additional examination was performed as part of a protocol that we are routinely performing in our institution for all brain tumors including not only the gold standard advanced MRI techniques but also single-photon emission computed tomography (SPECT) with technetium-99m (Tc99m). Brain SPECT indicated the presence of a meningioma which was verified by the histopathology of the resected specimen. In conclusion, a multimodality approach for the pre-surgical assessment of brain tumors has significant advantages not only for the diagnosis but also for the evaluation of intracranial tumors histology. J Clin Med Res. 2017;9(1):74-78 doi: https://doi.org/10.14740/jocmr2775w
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,006 | 0,004 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,008 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 ».