MétaCan
Menu
Retour à la cohorte
Enregistrement W2047751376 · doi:10.1002/mrm.20352

Venous refocusing for volume estimation: VERVE functional magnetic resonance imaging

2005· article· en· W2047751376 sur OpenAlexafffund
Bojana Stefanovic, G. Bruce Pike

Notice bibliographique

RevueMagnetic Resonance in Medicine · 2005
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced MRI Techniques and Applications
Établissements canadiensMcGill UniversityMontreal Neurological Institute and Hospital
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésBlood volumeMagnetic resonance imagingFunctional magnetic resonance imagingVenous bloodBlood oxygenationSIGNAL (programming language)Nuclear magnetic resonanceRelaxometryNuclear medicineChemistryMedicineSpin echoCardiologyRadiologyInternal medicineComputer sciencePhysics

Résumé

récupéré en direct d'OpenAlex

A novel, noninvasive magnetic resonance imaging-based method for measuring changes in venous cerebral blood volume (CBV(v)) is presented. Venous refocusing for volume estimation (VERVE) exploits the dependency of the spin-spin relaxation rate of deoxygenated blood on the refocusing interval. Interleaved CPMG EPI acquisitions following a train of either tightly or sparsely spaced hard refocusing pulses (every 3.7 or 30 msec, respectively) at matched echo time were used to isolate the blood signal while minimizing the intravascular blood oxygenation level dependent (BOLD) signal contribution. The technique was employed to determine the steady-state increase in the CBV(v) in the visual cortex (VC) in seven healthy adult volunteers during flickering checkerboard photic stimulation. A functional activation model and a set of previously collected in vitro human whole blood relaxometry data were used to evaluate the intravascular BOLD effect on the VERVE signal. The average VC venous blood volume change was estimated to be 16 +/- 2%. This method has the potential to provide efficient and continuous monitoring of venous cerebral blood volume, thereby enabling further exploration of the mechanism underlying BOLD signal changes upon physiologic, pathophysiologic, and pharmacologic perturbations.

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)0,000
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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,974
Score d'incertitude au seuil0,986

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,022
Tête enseignante GPT0,313
Écart entre enseignants0,292 · 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'étudeAutre devis
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

Citations63
Publié2005
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMagnetic Resonance in MedicineMême sujetAdvanced MRI Techniques and ApplicationsTravaux en français237 207