Development of an Image Analysis Based Treatment Planning Environment to Assess Targetability of Placental Vascular Anomalies for in-utero MRI-guided Focused Ultrasound Thermal Ablation
Notice bibliographique
Résumé
Placental vascular anomalies, such as twin-to-twin transfusion syndrome (TTTS) and placentalchorioangiomas, pose significant risks to pregnancy outcomes. Magnetic resonance-guided high- intensity focused ultrasound (MRgHIFU) offers a potential non-invasive treatment for these conditions. However, current proprietary MRgHIFU treatment planning software does not support placental investigation. To address this gap, the FUSion Planner software was developed, allowing for the importation of patient MR imaging data to plan HIFU treatments and simulate ultrasound effects. FUSion Planner can model ultrasound pressure, temperature increases, and thermal dose based on patient-specific data. In a pilot study involving pregnant patient imaging data, FUSion successfully planned and simulated HIFU targeting of the placental surface, achieving focal heating with a peak temperature of 58°C and a projected lesioned area of approximately 49mm2. These findings demonstrate the software’s capabilities in MRgHIFU planning and simulation for placental therapy, enabling further investigation of MRgHIFU in maternal-fetal care.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 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 | 0,001 | 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 ».