Prediction of radiation necrosis in a rodent model using magnetic resonance imaging apparent transverse relaxation ( <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML"> <mml:mstyle> <mml:msubsup> <mml:mi>R</mml:mi> <mml:mrow> <mml:mn>2</mml:mn> </mml:mrow> <mml:mrow> <mml:mo>∗</mml:mo> </mml:mrow> </mml:msubsup> </mml:mstyle> </mml:math> )
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: Radiation necrosis remains an irreversible long-term side-effect following radiotherapy to the brain. The ability to predict areas that could ultimately develop into necrosis could lead to prevention and management of radiation necrosis. MATERIALS AND METHODS: Fischer 344 rats were irradiated using two platforms (micro-CT irradiator and x-Rad 225 IGRT) with radiation up to 30 Gy for the micro-CT and 40 Gy for the xRAD-224 to half the brain. Animals were subsequently imaged using a 9.4 T MRI scanner every 2-4 weeks for up to 28 weeks using a 7-echo gradient echo sequence. The apparent transverse relaxation constant ([Formula: see text]) was calculated and retrospectively analyzed. RESULTS: Animals irradiated with the low-dose rate micro-CT did not exhibit any symptoms or imaging changes associated with RN. Animals irradiated with the xRAD-225 exhibited imaging changes consistent with RN at week 24. Analysis of the [Formula: see text] coefficient within the lesion and hippocampus shows the potential for detection of RN up to 10 weeks prior to morphological changes. CONCLUSIONS: The ability to predict areas of RN and increases of [Formula: see text] within the hippocampus provides a method for long-term monitoring and prediction of RN.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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 ».