MétaCan
Menu
Retour à la cohorte
Enregistrement W2971875708 · doi:10.1089/lrb.2019.0007

Microcomputed Tomography Is a Precise Method That Allows for Topographical Characterization of Lymph Nodes and Lymphatic Vessels

2019· article· en· W2971875708 sur OpenAlexafffund
Dale E. Fournier, Adam M.R. Groh, Shiva M. Nair, Chris J. D. Norley, Steven I. Pollmann, David W. Holdsworth, Nicholas Power, Tyler S. Beveridge

Notice bibliographique

RevueLymphatic Research and Biology · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueLymphatic System and Diseases
Établissements canadiensWestern UniversityLondon Health Sciences Centre
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésLymphatic systemLymphMedicineHounsfield scaleAdipose tissueH&E stainRadiodensityLymph nodeHistologyRadiologyPathologyImmunostainingAnatomyNuclear medicineStainingComputed tomographyImmunohistochemistryRadiographyInternal medicine

Résumé

récupéré en direct d'OpenAlex

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,327
Score d'incertitude au seuil0,617

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,081
Tête enseignante GPT0,397
Écart entre enseignants0,316 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLymphatic Research and BiologyMême sujetLymphatic System and DiseasesTravaux en français237 207