Microcomputed Tomography Is a Precise Method That Allows for Topographical Characterization of Lymph Nodes and Lymphatic Vessels
Notice bibliographique
Résumé
Background: Surgical excision and/or radiation targeting of regional lymph nodes are an essential component in the clinical management of cancer. Importantly, a more accurate understanding of lymphatic anatomy could enable refinement of present treatment strategies. Given the spatial resolution limitations of contemporary imaging methods, our group sought to utilize noncontrast-enhanced microcomputed tomography (μCT) imaging to clarify regional lymphatic anatomy. Methods and Results: This study was conducted with embalmed en bloc lymphatic tissue packets from six donors (three females and three males: median age of death = 78 years). All specimens were investigated with noncontrast-enhanced μCT imaging using a conebeam-CT imaging system. Adipose and lymphatic tissues were segmented by radiodensity based on sampling regions of interest. To confirm the observations from μCT, lymph nodes from each packet were exposed to hematoxylin and eosin staining and anti-D240 immunostaining. Following μCT imaging, mean peak radiodensities of −203.14 ± 19.35 Hounsfield units (HU) and 37.25 ± 31.95 HU were revealed for adipose and lymphatic tissues, respectively ( p < 0.01). By analyzing histograms of the radiodensity distributions, we determined a threshold of −82.42 HU to differentiate adipose and lymphatic tissue, to generate three-dimensional renderings, and to calculate quantitative metrics. On average, adipose tissue comprised 9.62 ± 3.60 cm 3 (73.6%) of the total packet volume, whereas lymphatic tissue comprised 3.47 ± 2.71 cm 3 (26.4%). Moreover, each en bloc packet contained four small lymph nodes (1–5 mm) and three to four large lymph nodes (>5 mm). Histology corroborated the observations from μCT. Conclusions: Altogether, a precise understanding of regional lymphatic anatomy elucidated by the present imaging modality may help refine clinical cancer treatment strategies.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».