Flash-Replenishment Passive Acoustic Mapping for Robust Monitoring of Transvertebral Focused Ultrasound
Notice bibliographique
Résumé
Microbubble (MB)-mediated focused ultrasound (FUS) therapy targeting the spinal cord requires reliable, intra-operative treatment monitoring of cavitation activity within the spinal canal. Prefocal cavitation during transvertebral focused ultrasound can hinder assessment of intracanal cavitation events. Due to reflection and subsequent refocusing of sound by the vertebral bones, circulating MBs in the prelaminar space can generate strong acoustic signals that interfere with attenuated emissions from MBs in the canal, pushing the latter below the noise floor of prefocal cavitation activity in reconstructed images. By pairing transvertebral FUS sequencing with 'Flash-Replenishment' style pulse sequencing common in contrast ultrasound, we suppressed cavitation at its source in the prelaminar, pre-vertebral regions, and performed transvertebral passive acoustic mapping through ex vivo human vertebrae. We show ex vivo that, on average, interleaving 'flash' pulses during FUS sequencing can raise the canal-prefocal source strength ratio in reconstructed images by approximately 1.75 times compared to conventional pulse sequencing. We further show that the maximum pressure in the canal during 'flash' pulses is much lower than the subsequent 'therapeutic' pulses, suggesting the 'flash' pulse will have limited potential to induce bioeffects in the spinal cord. We then performed in vivo 'flash-replenishment' ultrasound in porcine dorsal musculature and determined reperfusion rates are on the order of 2-3 seconds in the largest vessels supplying the muscles after MB destruction allowing for flexibility in FUS sequence design. In summary, this work exemplifies that a spatial and temporal window of bubblefree prefocal space can provide an unobscured sightline for monitoring intracanal cavitation reliably.
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 | 0,000 |
| 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) | 0,001 | 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 ».