Ultrafast three-dimensional microbubble imaging <i>in vivo</i> predicts tissue damage volume distributions during nonthermal brain ablation
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Transcranial magnetic resonance imaging (MRI)-guided focused ultrasound (FUS) thermal ablation is under clinical investigation for non-invasive neurosurgery, though its use is restricted to central brain targets due primarily to skull heating effects. The combination of FUS and contrast agent microbubbles greatly reduces the ultrasound exposure levels needed to ablate brain tissue and may help facilitate the use of transcranial FUS ablation throughout the brain. However, sources of variability exist during microbubble-mediated FUS procedures that necessitate the continued development of systems and methods for online treatment monitoring and control, to ensure that excessive and/or off-target bioeffects are not induced from the exposures. Methods: Megahertz-rate three-dimensional (3D) microbubble imaging in vivo was performed during nonthermal ablation in rabbit brain using a clinical-scale prototype transmit/receive hemispherical phased array system. Results: In-vivo volumetric acoustic imaging over microsecond timescales uncovered spatiotemporal microbubble dynamics hidden by conventional whole-burst temporal averaging. Sonication-aggregate ultrafast 3D source field intensity data were predictive of microbubble-mediated tissue damage volume distributions measured post-treatment using MRI and confirmed via histopathology. Temporal under-sampling of acoustic emissions, which is common practice in the field, was found to impede performance and highlighted the importance of capturing adequate data for treatment monitoring and control purposes.
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.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 découle