Three-Tesla Magnetic Resonance Imaging of Patients With Deep Brain Stimulators: Results From a Phantom Study and a Pilot Study in Patients
Notice bibliographique
Résumé
BACKGROUND: Deep brain stimulation (DBS) is a standard of care treatment for multiple neurologic disorders. Although 3-tesla (3T) magnetic resonance imaging (MRI) has become the gold-standard modality for structural and functional imaging, most centers refrain from 3T imaging in patients with DBS devices in place because of safety concerns. 3T MRI could be used not only for structural imaging, but also for functional MRI to study the effects of DBS on neurocircuitry and optimize programming. OBJECTIVE: To use an anthropomorphic phantom design to perform temperature and voltage safety testing on an activated DBS device during 3T imaging. METHODS: An anthropomorphic 3D-printed human phantom was constructed and used to perform temperature and voltage testing on a DBS device during 3T MRI. Based on the phantom assessment, a cohort study was conducted in which 6 human patients underwent MRI with their DBS device in an activated (ON) state. RESULTS: During the phantom study, temperature rises were under 2°C during all sequences, with the DBS in both the deactivated and activated states. Radiofrequency pulses from the MRI appeared to modulate the electrical discharge from the DBS, resulting in slight fluctuations of voltage amplitude. Six human subjects underwent MRI with their DBS in an activated state without any serious adverse events. One patient experienced stimulation-related side effects during T1-MPRAGE scanning with the DBS in an ON state because of radiofrequency-induced modulation of voltage amplitude. CONCLUSION: Following careful phantom-based safety testing, 3T structural and functional MRI can be safely performed in subjects with activated deep brain stimulators.
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) | 0,001 | 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 ».