Contrast-enhanced US Approach to the Diagnosis of Focal Liver Masses
Notice bibliographique
Résumé
Focal liver lesions are commonly encountered and often demonstrate nonspecific findings at initial imaging. Although most incidentally discovered liver lesions are benign, their noninvasive diagnosis is necessary, especially if they are large or atypical. Imaging characterization of focal liver lesions and exclusion of malignancy are of prime importance, particularly in high-risk populations. Contrast agent–enhanced ultrasonography of liver lesions is both accurate and reproducible for evaluation of benign and malignant liver tumors. Use of an imaging algorithm and a controlled sonographic technique, including dedicated arterial phase cine imaging and imaging every 30 seconds in the portal venous phase and the delayed (or late) phase, is essential for accurate characterization. This algorithmic analysis of focal liver lesions focuses first on the determination of malignancy by imaging the portal venous phase and the late phase; washout in these phases correlates with a malignant tumor, and sustained enhancement in these phases is suggestive that a lesion is benign. In addition, the timing and the intensity of washout differentiate hepatocellular malignancies from nonhepatocellular malignancies. Nonhepatocellular tumors demonstrate early and strong washout, whereas hepatocellular malignancies show delayed and weak washout. Subsequent analysis of dynamic real-time enhancement patterns in the arterial phase demonstrates specific enhancement patterns of common benign and malignant focal liver lesions. Hemangiomas show classic peripheral nodular enhancement, and spoke-wheel centrifugal enhancement is suggestive of focal nodular hyperplasia. Hepatic adenomas may show centripetal filling. However, arterial phase enhancement in malignancy has less specificity. Online supplemental material is available for this article. ©RSNA, 2017 •
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,003 |
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 ».