Magnetic Resonance Thermometry of Focused Ultrasound Using a Preclinical Focused Ultrasound Robotic System at 3T
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Aim: Focused ultrasound (FUS) therapies are often performed within magnetic resonance imaging (MRI) systems providing thermometry-based temperature monitoring. Herein, MRI thermometry was assessed for FUS sonications executed using a preclinical system on agar-based phantoms at 1.5T and 3T MRI scanners, using the proton resonance frequency shift technique. Materials and Methods: Sonications were executed at 1.5T and 3T to assess the system and observe variations in magnetic resonance (MR) thermometry temperature measurements. MR thermometry was assessed at 3T, for identical sonications on three agar-based phantoms doped with varied silica and evaporated milk concentrations, and for sonications executed at varied acoustic power of 1.5-45 W. Moreover, echo time (TE) values of 5-20 ms were used to assess the effect on the signal-to-noise ratio (SNR) and temperature change sensitivity. Results: Clearer thermal maps with a 2.5-fold higher temporal resolution were produced for sonications at 3T compared to 1.5T, despite employment of similar thermometry sequences. At 3T, temperature changes between 41°C and 50°C were recorded for the three phantoms produced with varied silica and evaporated milk, with the addition of 2% w/v silica resulting in a 20% increase in temperature change. The lowest acoustic power that produced reliable beam detection within a voxel was 1.5 W. A TE of 10 ms resulted in the highest temperature sensitivity with adequate SNR. Conclusions: MR thermometry performed at 3T achieved short temporal resolution with temperature dependencies exhibited with the sonication and imaging parameters. Present data could be used in preclinical MRI-guided FUS feasibility studies to enhance MR thermometry.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 découle