An Introduction to High Intensity Focused Ultrasound: Systematic Review on Principles, Devices, and Clinical Applications
Notice bibliographique
Résumé
Ultrasound can penetrate deep into tissues and interact with human tissue via thermal and mechanical mechanisms. The ability to focus an ultrasound beam and its energy onto millimeter-size targets was a significant milestone in the development of therapeutic applications of focused ultrasound. Focused ultrasound can be used as a non-invasive thermal ablation technique for tumor treatment and is being developed as an option to standard oncologic therapies. High-intensity focused ultrasound has now been used for clinical treatment of a variety of solid malignant tumors, including those in the pancreas, liver, kidney, bone, prostate, and breast, as well as uterine fibroids and soft-tissue sarcomas. Magnetic resonance imaging and Ultrasound imaging can be combined with high intensity focused ultrasound to provide real-time imaging during ablation. Magnetic resonance guided focused ultrasound represents a novel non-invasive method of treatment that may play an important role as an alternative to open neurosurgical procedures for treatment of a number of brain disorders. This paper briefly reviews the underlying principles of HIFU and presents current applications, outcomes, and complications after treatment. Recent applications of Focused ultrasound for tumor treatment, drug delivery, vessel occlusion, histotripsy, movement disorders, and vascular, oncologic, and psychiatric applications are reviewed, along with clinical challenges and potential future clinical applications of HIFU.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».