Robust cardiac BOLD MRI using an fMRI‐like approach with repeated stress paradigms
Notice bibliographique
Résumé
PURPOSE: Use repeated stress paradigms and an approach taken from neurological blood oxygen level dependent (BOLD) functional MRI (fMRI) to derive robust cardiac BOLD measurements. METHODS: Multiple-repetition, single-shot, electrocardiograph-triggered, T2-prepared BOLD balanced steady-state free precession was performed during repeated long breath-holds in 13 volunteers. Nonrigid motion correction was applied to the continuously acquired data and it was analyzed with a general linear model (GLM) taking into account the effects of the breath-hold duration, RR interval, motion, and baseline variations. Both voxel- and region of interest-based analyses were performed. RESULTS: The GLM model was able to isolate the component of the BOLD signal arising from the breath-holds and separate it from the background effects due to the changing heart rate and motion. A significant (P<0.05) BOLD signal increase was observed in the myocardium of healthy volunteers. CONCLUSION: Using a recent elastic motion correction algorithm and adapted acquisition techniques, it was possible to apply fMRI-like strategies for cardiac BOLD MRI in volunteers and derive robust BOLD measurements. The observed slight but significant oxygenation increase in the myocardium of volunteers might be explained by the vasodilator effect of increased CO2 concentration under apnea. Detection of such small physiological changes in volunteers performing breath-holds demonstrates that the method could have potential in identifying low oxygenation regions in the myocardium of patients during stress tests.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 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 ».