Successful Integration of Contrast-enhanced US into Routine Abdominal Imaging
Notice bibliographique
Résumé
Contrast material–enhanced US is recognized increasingly as a useful tool in a wide variety of hepatic and nonhepatic applications. The modality recently was approved for limited use for liver indications in adult and pediatric patients in the United States. Contrast-enhanced US uses microbubbles of gas injected intravenously as a contrast agent to demonstrate blood flow and tissue perfusion. The growing worldwide application of contrast-enhanced US in multiple organ systems is due largely to its advantages, including high contrast resolution (sensitivity to the contrast agent), real-time imaging, lack of nephrotoxicity, the purely intravascular property of microbubble contrast agents that allows the use of disruption-replenishment techniques, and repeatability during the same examination. Through illustrative cases, common useful clinical scenarios are discussed, including characterization of liver and renal masses, especially indeterminate lesions at CT or MRI; differentiation of neoplastic cysts from nonneoplastic cysts in various organs; differentiation of tumor thrombus from bland thrombus; and assessment after a renal transplant or local ablative therapy. Common applications in the biliary system, pancreas, spleen, and vasculature also are introduced. Successful routine use of contrast-enhanced US requires an efficient setup and workflow and a thorough understanding of appropriate clinical indications and its advantages that provide added value after CT and MRI. This article familiarizes radiologists with common abdominal applications of contrast-enhanced US and guides them to implement contrast-enhanced US successfully in their clinical practice. Online supplemental material is available for this article. ©RSNA, 2018
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».