Smooth Muscle Tumors of the Uterus at MRI: Focus on Leiomyomas and FIGO Classification
Notice bibliographique
Résumé
Leiomyomas are smooth muscle tumors of the uterus and are the most common uterine neoplasm. Although leiomyomas are usually asymptomatic, they can manifest with symptoms such as pain or uterine bleeding. Leiomyomas are classified on the basis of their anatomic location and morphology. Localization of leiomyomas relative to the endometrium, myometrium, and uterine serosa with use of the International Federation of Gynecology and Obstetrics (FIGO) classification system is helpful for guiding management in symptomatic patients. The FIGO system is a practical and universally accepted approach for classifying leiomyomas to guide radiologists and clinicians in deciding management. The MRI appearance of conventional leiomyomas is related to their tissue contents of smooth muscle and fibrous tissue and is well established. The MRI features of some leiomyoma subtypes and forms of degeneration also have been described. Other smooth muscle tumors of the uterus recognized in the 2020 World Health Organization classification system include intravenous leiomyomatosis, smooth muscle tumors of uncertain malignant potential, and metastasizing leiomyoma. At the far end of the spectrum are leiomyosarcomas, which are frankly malignant and therefore must be managed accordingly. Although MRI features that suggest a diagnosis of leiomyosarcoma have been proposed, these features overlap with those of some leiomyoma subtypes and degeneration. © RSNA, 2023 See the invited commentary by Fennessy and Gargiulo in this issue. Online supplemental material and the slide presentation from the RSNA Annual Meeting are available for this article. Quiz questions for this article are available through the Online Learning Center.
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 | 0,001 |
| 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 | 0,000 | 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 ».