MétaCan
Menu
Retour à la cohorte
Enregistrement W2035928785 · doi:10.1038/jcbfm.2012.86

Robust Quantification of Microvascular Transit Times via Linear Dynamical Systems using Two-Photon Fluorescence Microscopy Data

2012· article· en· W2035928785 sur OpenAlexaff
Lakshminarayan V. Chinta, Liis Lindvere, Bojana Stefanovic

Notice bibliographique

RevueJournal of Cerebral Blood Flow & Metabolism · 2012
Typearticle
Langueen
DomaineMedicine
ThématiqueOptical Imaging and Spectroscopy Techniques
Établissements canadiensUniversity of TorontoSunnybrook Health Science Centre
Organismes subventionnairesnon disponible
Mots-clésBolus (digestion)Fluorescence microscopeFluorescenceBiomedical engineeringTwo-photon excitation microscopyMicroscopyStimulationChemistryBiological systemMedicineAnatomyPhysicsPathologyOpticsBiologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Vascular transit time is an important indicator of microcirculatory health. We present a second-order-plus-dead-time (SOPDT) model for robust estimation of kinetic parameters characterizing microvascular bolus passage using two-photon fluorescence microscopy (2PFM) in anesthetized rats receiving somatosensory stimulation. This methodology enables quantification of transit time, time-to-peak, overshoot, and rate of bolus passage through the microvascular network. The overall transit time during stimulation, of 2.2 ± 0.1 seconds, was shorter (P ~ 0.0008) than that at rest (2.7 ± 0.2 seconds). When compared with conventional γ-variate modeling, the SOPDT modeling yielded better quality of fit both at rest (P<0.0001) and on activation (P<0.001).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,042
Tête enseignante GPT0,324
Écart entre enseignants0,282 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Cerebral Blood Flow & MetabolismMême sujetOptical Imaging and Spectroscopy TechniquesTravaux en français237 207