Cerebral Blood Flow Measurement Using fMRI and PET: A Cross‐Validation Study
Notice bibliographique
Résumé
An important aspect of functional magnetic resonance imaging (fMRI) is the study of brain hemodynamics, and MR arterial spin labeling (ASL) perfusion imaging has gained wide acceptance as a robust and noninvasive technique. However, the cerebral blood flow (CBF) measurements obtained with ASL fMRI have not been fully validated, particularly during global CBF modulations. We present a comparison of cerebral blood flow changes (DeltaCBF) measured using a flow-sensitive alternating inversion recovery (FAIR) ASL perfusion method to those obtained using H(2) (15)O PET, which is the current gold standard for in vivo imaging of CBF. To study regional and global CBF changes, a group of 10 healthy volunteers were imaged under identical experimental conditions during presentation of 5 levels of visual stimulation and one level of hypercapnia. The CBF changes were compared using 3 types of region-of-interest (ROI) masks. FAIR measurements of CBF changes were found to be slightly lower than those measured with PET (average DeltaCBF of 21.5 +/- 8.2% for FAIR versus 28.2 +/- 12.8% for PET at maximum stimulation intensity). Nonetheless, there was a strong correlation between measurements of the two modalities. Finally, a t-test comparison of the slopes of the linear fits of PET versus ASL DeltaCBF for all 3 ROI types indicated no significant difference from unity (P > .05).
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 | 0,013 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| 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 | 0,001 |
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 ».