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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,153
Score d'incertitude au seuil0,928

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 tête enseignante, 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
GenreEmpirique

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