Characterizing White Matter Damage in Rat Spinal Cord with Quantitative MRI and Histology
Notice bibliographique
Résumé
ABSTRACT Diffusion tensor imaging (DTI) and quantitative T(2) magnetic resonance imaging (MRI) were used to characterize ex vivo the white matter damage at 3 and 8 weeks following dorsal column transection (DC Tx) injury at the cervical level C5 of rat spinal cords. Luxol Fast Blue (LFB) and myelin basic protein (MBP) staining was used to assess myelin damage, and neurofilament-H in combination with neuron specific beta-III-tubulin (NF/Tub) staining was used to assess axonal damage. Average values of myelin water fraction (MWF), fractional anisotropy (FA), longitudinal diffusivity (D(long)), transverse diffusivity (D(trans)), and average diffusivity (D(ave)) were calculated in the fasciculus gracilis, fasciculus cuneatus, and the dorsal corticospinal tract (CST) 5 mm cranial, as well as 5 and 10 mm caudal to injury and correlated with histology. These tracts were selected as these contain bundles of parallel ascending and descending axons in very circumscribed areas with little intermingling of other axonal populations. Axonal and myelin degeneration occur cranial to injury in the funiculus gracilis and caudal to injury in the CST. Both MWF and D(trans) showed significant correlation with LFB staining at 3 weeks (0.64 and -0.49, respectively) and 8 weeks post-injury (0.88 and -0.71, respectively). Both D(long) and FA correlated significantly with NF/Tub staining at 3 weeks post-injury (0.78 and 0.64, respectively), while only D(long) displayed significant correlation 8 weeks post-injury (0.58 and 0.33, respectively). This study demonstrates that quantitative MRI can accurately characterize white matter damage in DC Tx model of injury in rat spinal cord.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».