MétaCan
Menu
Retour à la cohorte
Enregistrement W4387404332 · doi:10.25259/sni_510_2023

Intraoperative use of low-field magnetic resonance imaging for brain tumors: A systematic review

2023· review· en· W4387404332 sur OpenAlexaff
Muhammad Shakir, Muhammad Jawad Amin Malik, Aabiya Arif, Omar Islam, Fatima Mubarak, Khan Siddiqui, Syed Ather Enam

Notice bibliographique

RevueSurgical Neurology International · 2023
Typereview
Langueen
DomaineMedicine
ThématiqueAdvanced MRI Techniques and Applications
Établissements canadiensKingston Health Sciences CentreKingston General Hospital
Organismes subventionnairesnon disponible
Mots-clésInterventional magnetic resonance imagingMedicineMagnetic resonance imagingIntraoperative MRIBrain tumorRadiologyMedical physicsPathology

Résumé

récupéré en direct d'OpenAlex

Background: Low-field magnetic resonance imaging (LF-MRI) has become a valuable tool in the diagnosis of brain tumors due to its high spatial resolution and ability to acquire images in a short amount of time. However, the use of LF-MRI for intraoperative imaging during brain tumor surgeries has not been extensively studied. The aim of this systematic review is to investigate the impact of low-field intraoperative magnetic resonance imaging (LF-IMRI) on the duration of brain tumor surgery and the extent of tumor resection. Methods: A comprehensive literature search was conducted using PubMed, Scopus, and Google Scholar from February 2000 to December 2022. The studies were selected based on the inclusion criteria and reviewed independently by two reviewers. The gathered information was organized and analyzed using Excel. Results: Our review of 21 articles found that low-field intraoperative MRI (LF-IMRI) with a field below 0.3T was used in most of the studies, specifically 15 studies used 0.15T LF-IMRI. The T1-weighted sequence was the most frequently reported, and the average scanning time was 24.26 min. The majority of the studies reported a positive impact of LF-IMRI on the extent of tumor resection, with an increase ranging from 11% to 52.5%. Notably, there were no studies describing the use of ultra-low-field (ULF) intraoperative MRI. Conclusion: The results of this systematic review will aid neurosurgeons and neuroradiologists in making informed decisions about the use of LF-MRI in brain tumor surgeries. Further, research is needed to fully understand the impact of LF-MRI in brain tumor surgeries and to optimize its use in the clinical setting. There is an opportunity to study the utility of ULF-MRI in brain tumor surgeries.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,045
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,041

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,045
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0070,006
Bibliométrie0,0110,012
Études des sciences et des technologies0,0010,001
Communication savante0,0020,003
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,054
Tête enseignante GPT0,405
Écart entre enseignants0,351 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSurgical Neurology InternationalMême sujetAdvanced MRI Techniques and ApplicationsTravaux en français237 207