Jove
Visualize
Contáctanos
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas

Videos de Conceptos Relacionados

Magnetic Resonance Imaging01:24

Magnetic Resonance Imaging

6.8K
Magnetic resonance imaging (MRI) is a noninvasive medical imaging technique based on a phenomenon of nuclear physics discovered in the 1930s, in which matter exposed to magnetic fields and radio waves was found to emit radio signals. In 1970, a physician and researcher named Raymond Damadian noticed that malignant (cancerous) tissue gave off different signals than normal body tissue. He applied for a patent for the first MRI scanning device in clinical use by the early 1980s. The early MRI...
6.8K

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por
Same author

Evaluating Coronary Arteries and Predicting Major Adverse Cardiovascular Events in Patients with Esophageal Cancer Using Coronary CT Angiography.

Radiology. Cardiothoracic imaging·2026
Same author

Evaluating the image quality and brain microstructural exploration of mean apparent propagator-MRI-a pilot study.

BMC medical imaging·2026
Same author

Endoscopic and imaging evaluations of neoadjuvant immunotherapy in patients with locally advanced colorectal cancer with dMMR/MSI-H or POLE/POLD1 mutation.

European radiology·2026
Same author

Time-dependent Diffusion MRI for Predicting Response to Induction Chemotherapy in Nasopharyngeal Carcinoma.

Radiology. Imaging cancer·2026
Same author

Editorial for "MRI-Based Habitat Analysis for Assessment of Pathologic Complete Response After Neoadjuvant Chemotherapy in Breast Cancer: A Multicenter Study".

Journal of magnetic resonance imaging : JMRI·2026
Same author

Publisher Correction: Early-phase semi-quantitative analysis versus full time-course quantitative modeling of ultrafast dynamic contrast-enhanced MRI for breast cancer diagnosis, molecular subtyping, and treatment response prediction.

Insights into imaging·2026

Video Experimental Relacionado

Updated: Sep 10, 2025

Tracking the Mammary Architectural Features and Detecting Breast Cancer with Magnetic Resonance Diffusion Tensor Imaging
15:48

Tracking the Mammary Architectural Features and Detecting Breast Cancer with Magnetic Resonance Diffusion Tensor Imaging

Published on: December 15, 2014

22.6K

Diferenciar nódulos benignos de tiroides y carcinoma de tiroides papilar utilizando resonancia magnética de difusión

Huanhuan Ren1, Diwei Shi2,3, Junhao Huang1

  • 1Department of Radiology, Chongqing University Cancer Hospital, Chongqing, China.

Journal of magnetic resonance imaging : JMRI
|August 21, 2025
PubMed
Resumen

Los parámetros de MRI de difusión dependientes del tiempo (td-dMRI), incluido el tamaño y la celularidad del tumor, pueden ayudar a distinguir los nódulos benignos de los malignos de la tiroides. La combinación de td-dMRI con el sistema de clasificación TI-RADS mejora significativamente la precisión del diagnóstico para el cáncer de tiroides papilar (PTC).

Palabras clave:
el diagnósticoResonancia magnética por difusiónla tiroides

Más Videos Relacionados

A Swin Transformer-Based Model for Thyroid Nodule Detection in Ultrasound Images
04:23

A Swin Transformer-Based Model for Thyroid Nodule Detection in Ultrasound Images

Published on: April 21, 2023

2.0K
Author Spotlight: Integrating Ultrasound Imaging with Biochemical Markers for Thyroid Disease Diagnosis
05:41

Author Spotlight: Integrating Ultrasound Imaging with Biochemical Markers for Thyroid Disease Diagnosis

Published on: February 9, 2024

735

Videos de Experimentos Relacionados

Last Updated: Sep 10, 2025

Tracking the Mammary Architectural Features and Detecting Breast Cancer with Magnetic Resonance Diffusion Tensor Imaging
15:48

Tracking the Mammary Architectural Features and Detecting Breast Cancer with Magnetic Resonance Diffusion Tensor Imaging

Published on: December 15, 2014

22.6K
A Swin Transformer-Based Model for Thyroid Nodule Detection in Ultrasound Images
04:23

A Swin Transformer-Based Model for Thyroid Nodule Detection in Ultrasound Images

Published on: April 21, 2023

2.0K
Author Spotlight: Integrating Ultrasound Imaging with Biochemical Markers for Thyroid Disease Diagnosis
05:41

Author Spotlight: Integrating Ultrasound Imaging with Biochemical Markers for Thyroid Disease Diagnosis

Published on: February 9, 2024

735

Área de la Ciencia:

  • Radiología e imágenes médicas
  • En el campo de la oncología
  • La biofísica

Sus antecedentes:

  • La diferenciación precisa de los nódulos benignos y malignos de la tiroides es crucial para la planificación y el pronóstico efectivos del tratamiento.
  • Los métodos de diagnóstico actuales carecen de un enfoque ideal para distinguir entre nódulos benignos y malignos de la tiroides.

Objetivo del estudio:

  • Evaluar la eficacia de los parámetros microstruturales derivados de la resonancia magnética de difusión dependiente del tiempo (RMDT-dMRI) para diferenciar con precisión los nódulos tiroideos benignos de los malignos.
  • Comparar el rendimiento diagnóstico de los parámetros de la RMN-d con los sistemas de clasificación existentes.

Principales métodos:

  • Un estudio prospectivo de un solo centro en el que participaron 232 participantes con nódulos tiroideos diagnosticados patológicamente.
  • Utilizado 3,0 T td-dMRI con oscilación y secuencias de eco de giro con gradiente pulsado.
  • Se analizaron los factores clínicos y los parámetros td-dMRI (por ejemplo, celularidad, tamaño del tumor) utilizando modelos de regresión; se desarrollaron y compararon modelos TI-RADS, combinados e integrados.

Principales resultados:

  • El tamaño del tumor y la celularidad derivados de la RMN-td se asociaron de forma independiente con nódulos tiroideos malignos.
  • Un modelo combinado que integraba el diámetro máximo del tumor, la celularidad y TI-RADS demostró una precisión de diagnóstico significativamente mejorada (AUC: 0,941) en comparación con TI-RADS solo (AUC: 0,891).
  • El modelo integrado mostró mejoras sustanciales en la mejora de la discriminación integrada (IDI) y la mejora de la reclasificación neta (NRI).

Conclusiones:

  • El modelo integrado que combina el diámetro máximo del tumor y la celularidad de td-dMRI con TI-RADS muestra un potencial significativo para diferenciar los nódulos tiroideos benignos del cáncer de tiroides papilar (PTC).
  • Este enfoque ofrece una mayor precisión en el diagnóstico, lo que ayuda a un manejo más preciso del paciente.