Toward a standard preoperative MRI protocol for functional neurosurgery
Notice bibliographique
Résumé
Abstract Deep Brain Stimulation (DBS) is a well-established approach to treat movement disorders such as Parkinson’s Disease, dystonia or essential tremor. For optimal therapy response, accurate electrode placement is critical requiring high signal-to-noise of target areas in preoperative MRI. Currently, imaging protocols vary considerably between DBS centers, making it difficult to compare results or pool data for research purposes. Here, various currently employed MRI sequences from several DBS centers are evaluated regarding their suitability for DBS targeting and a protocol is suggested taking image quality and practical considerations into account. Two healthy subjects (52-year-old female and a 37-year-old male) were each scanned with various sequences (5 T2w, 1 PDw, 4 T2FLAIRw, 2 T2*w, 5 SWI, 2 FGATIR, 1 T1TIR, and 2 QSM techniques) that then were rated by 12 experienced DBS surgeons for their suitability for targeting the subthalamic nucleus (STN), the internal globus pallidus internus (GPi), and the ventrointermediate (VIM) thalamic nucleus. For a subset of sequences, surgeons were asked to identify the optimal DBS target in the STN and GPi. Contrast-to-noise ratios (CNR) were calculated and correlated to intra-rater z-scores and distances of target coordinates. For STN-DBS, surgeons rated T2w, most SWI, QSM, and T2FLAIRw the highest. For GPi-DBS, FGATIR, PDw, and SWI and for VIM-DBS, FGATIR were deemed the most suitable. Higher CNR correlated with higher intra-rater z-scores (R2 = 0.29, p < .005) which improved targeting (R2 = 0.18, p < .05). Our MRI protocol suggestion is a first step toward standardizing preoperative imaging. All imaging data, MRI sequence parameters, and protocol files are made openly available.
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 | 0,000 |
| 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 | 0,000 | 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 ».