<scp>Echo‐Focusing</scp> in Transcranial Focused Ultrasound Thalamotomy for Essential Tremor: A Feasibility Study
Notice bibliographique
Résumé
BACKGROUND: Transcranial magnetic resonance-guided focused ultrasound (TcMRgFUS) systems currently employ computed tomography (CT)-based aberration corrections, which may provide suboptimal trans-skull focusing. OBJECTIVES: The objective of this study was to evaluate a contrast agent microbubble imaging-based transcranial focusing method, echo-focusing (EF), during TcMRgFUS for essential tremor. METHODS: A clinical trial of TcMRgFUS thalamotomy using EF for the treatment of essential tremor was conducted (NCT03935581; funded by InSightec [Tirat Carmel, Israel]). Patients (n = 12) were injected with Definity (Lantheus Medical Imaging, North Billerica, MA) microbubbles, and EF was performed using a research feature add-on to a commercial TcMRgFUS system (ExAblate Neuro, InSightec). Subablative thermal sonications carried out using (1) EF and (2) CT-based aberration corrections were compared via magnetic resonance thermometry, and the optimal focusing method for each patient was employed for TcMRgFUS thalamotomy. RESULTS: EF aberration corrections provided increased sonication efficiency, decreased focal size, and equivalent targeting accuracy relative to CT-based focusing. EF aberration corrections were employed successfully for lesion formation in all 12 patients, 3 of whom had previously undergone unsuccessful TcMRgFUS thalamotomy via CT-based focusing. There were no adverse events related directly to the EF procedure. CONCLUSIONS: EF is feasible and appears safe during TcMRgFUS thalamotomy for essential tremor and improves on the trans-skull focal quality provided by existing CT-based focusing methods. © 2020 International Parkinson and Movement Disorder Society.
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) | 0,000 | 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 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 ».