Cerebrovascular MRI: a review of state‐of‐the‐art approaches, methods and techniques
Notice bibliographique
Résumé
Cerebrovascular imaging is of great interest in the understanding of neurological disease. MRI is a non-invasive technology that can visualize and provide information on: (i) the structure of major blood vessels; (ii) the blood flow velocity in these vessels; and (iii) the microcirculation, including the assessment of brain perfusion. Although other medical imaging modalities can also interrogate the cerebrovascular system, MR provides a comprehensive assessment, as it can acquire many different structural and functional image contrasts whilst maintaining a high level of patient comfort and acceptance. The extent of examination is limited only by the practicalities of patient tolerance or clinical scheduling limitations. Currently, MRI methods can provide a range of metrics related to the cerebral vasculature, including: (i) major vessel anatomy via time-of-flight and contrast-enhanced imaging; (ii) blood flow velocity via phase contrast imaging; (iii) major vessel anatomy and tissue perfusion via arterial spin labeling and dynamic bolus passage approaches; and (iv) venography via susceptibility-based imaging. When designing an MRI protocol for patients with suspected cerebral vascular abnormalities, it is appropriate to have a complete understanding of when to use each of the available techniques in the 'MR angiography toolkit'. In this review article, we: (i) overview the relevant anatomy, common pathologies and alternative imaging modalities; (ii) describe the physical principles and implementations of the above listed methods; (iii) provide guidance on the selection of acquisition parameters; and (iv) describe the existing and potential applications of MRI to the cerebral vasculature and diseases. The focus of this review is on obtaining an understanding through the application of advanced MRI methodology of both normal and abnormal blood flow in the cerebrovascular arteries, capillaries and veins.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,004 |
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 ».