A two‐stage approach for measuring vascular water exchange and arterial transit time by diffusion‐weighted perfusion MRI
Notice bibliographique
Résumé
Changes in the exchange rate of water across the blood-brain barrier, denoted k(w), may indicate blood-brain barrier dysfunction before the leakage of large-molecule contrast agents is observable. A previously proposed approach for measuring k(w) is to use diffusion-weighted arterial spin labeling to measure the vascular and tissue fractions of labeled water, because the vascular-to-tissue ratio is related to k(w). However, the accuracy of diffusion-weighted arterial spin labeling is affected by arterial blood contributions and the arterial transit time (τ(a)). To address these issues, a two-stage method is proposed that uses combinations of diffusion-weighted gradient strengths and post-labeling delays to measure both τ(a) and k(w). The feasibility of this method was assessed by acquiring diffusion-weighted arterial spin labeling data from seven healthy volunteers. Repeat measurements and Monte Carlo simulations were conducted to determine the precision and accuracy of the k(w) estimates. Average grey and white matter k(w) values were 110 ± 18 and 126 ± 18 min(-1), respectively, which compare favorably to blood-brain barrier permeability measurements obtained with positron emission tomography. The intrasubject coefficient of variation was 26% ± 23% in grey matter and 21% ± 17% in white matter, indicating that reproducible k(w) measurements can be obtained.
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 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».