Comparison of computer simulations and clinical treatment results of magnetic resonance‐guided focused ultrasound surgery (MRgFUS) of uterine fibroids
Notice bibliographique
Résumé
Abstract Purpose Magnetic resonance‐guided focused ultrasound surgery (MRgFUS) can be used to noninvasively treat symptomatic uterine fibroids by heating with focused ultrasound sonications while monitoring the temperature with magnetic resonance (MR) thermometry. While prior studies have compared focused ultrasound simulations to clinical results, studies involving uterine fibroids remain scarce. In our study, we perform such a comparison to assess the suitability of simulations for treatment planning. Methods Sonications (N = 67) were simulated retrospectively using acoustic and thermal models based on the Rayleigh integral and Pennes bioheat equation followed by MR‐thermometry simulation in seven patients who underwent MRgFUS treatment for uterine fibroids. The spatial accuracy of simulated focus location was assessed by evaluating displacements of the centers of mass of the thermal dose distributions between simulated and treatment MR thermometry slices. Temperature–time curves and sizes of 240 equivalent minutes at 43°C (240EM43) volumes between treatment and simulation were compared. Results The simulated focus location showed errors of 2.7 ± 4.1, −0.7 ± 2.0, and 1.3 ± 1.2 mm (mean ± SD) in the anterior–posterior, foot–head, and right–left directions for a fibroid absorption coefficient of 4.9 Np m–1 MHz–1and perfusion parameter of 1.89 kg m–3s–1. Linear regression of 240EM43volumes of 67 sonications of patient treatments and simulations utilizing these parameters yielded a slope of 1.04 and a correlation coefficient of 0.54. The temperature rise ratio of simulation to treatment near the end of sonication was 0.47 ± 0.22, 1.28 ± 0.60, and 1.49 ± 0.71 for 66 sonications simulated utilizing fibroid absorption coefficient of 1.2, 4.9, and 8.6 Np m–1 MHz–1, respectively, and the aforementioned perfusion value. The impact of perfusion on peak temperature rise is minimal between 1.89 and 10 kg m–3s–1, but became more substantial when utilizing a value of 100 kg m–3s–1. Conclusions The results of this study suggest that perfusion, while in some cases having a substantial impact on thermal dose volumes, has less impact than ultrasound absorption for predicting peak temperature elevation at least when using perfusion parameter values up to 10 kg m–3s–1for this particular array geometry, frequencies, and tissue target which is good for clinicians to be aware of. The results suggest that simulations show promise in treatment planning, particularly in terms of spatial accuracy. However, in order to use simulations to predict temperature rise due to a sonication, knowledge of the patient‐specific tissue parameters, in particular the absorption coefficient is important. Currently, spatially varying patient‐specific tissue parameter values are not available during treatment, so simulations can only be used for planning purposes to estimate sonication performance on average.
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 | 0,000 | 0,003 |
| 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 | 0,001 | 0,000 |
| 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 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 ».