Notice bibliographique
Résumé
Several articles in the literature have demonstrated a promising role for breast MRI techniques that are more economic in total exam time than others when used as supplement to mammography for detection and diagnosis of breast cancer. There are many technical factors that must be considered in the shortened breast MRI protocols to cut down time of standard ones, including using optimal fat suppression, gadolinium-chelates intravascular contrast administrations for dynamic imaging with post processing subtractions and maximum intensity projections (MIP) high spatial and temporal resolution among others. Multiparametric breast MRI that includes both gadolinium-dependent, i.e., dynamic contrast-enhanced (DCE-MRI) and gadolinium-free techniques, i.e., diffusion-weighted/diffusion-tensor magnetic resonance imaging (DWI/DTI) are shown by several investigators that can provide extremely high sensitivity and specificity for detection of breast cancer. This article provides an overview of the proven indications for breast MRI including breast cancer screening for higher than average risk, determining chemotherapy induced tumor response, detecting residual tumor after incomplete surgical excision, detecting occult cancer in patients presenting with axillary node metastasis, detecting residual tumor after incomplete breast cancer surgical excision, detecting cancer when results of conventional imaging are equivocal, as well patients suspicious of having breast implant rupture. Despite having the highest sensitivity for breast cancer detection, there are pitfalls, however, secondary to false positive and false negative contrast enhancement and contrast-free MRI techniques. Awareness of the strengths and limitations of different approaches to obtain state of the art MR images of the breast will facilitate the work-up of patients with suspicious breast lesions.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».