MétaCan
Menu
Retour à la cohorte
Enregistrement W2097985509 · doi:10.3174/ajnr.a3941

Cerebrovascular Reactivity Mapping: An Evolving Standard for Clinical Functional Imaging

2014· review· en· W2097985509 sur OpenAlexafffund
Jay J. Pillai, David J. Mikulis

Notice bibliographique

RevueAmerican Journal of Neuroradiology · 2014
Typereview
Langueen
DomaineMedicine
ThématiqueAdvanced MRI Techniques and Applications
Établissements canadiensToronto Western HospitalUniversity Health Network
Organismes subventionnairesCanadian Institutes of Health ResearchBrain Science Institute, Johns Hopkins UniversityJohns Hopkins University
Mots-clésNeurovascular bundleMedicineNeuroimagingNeuroscienceBrain mappingMagnetic resonance imagingRadiologyCardiologyPathologyPsychologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

SUMMARY: This review article explains the methodology of breath-hold cerebrovascular reactivity mapping, both in terms of acquisition and analysis, and reviews applications of this method to presurgical mapping, particularly with respect to blood oxygen level-dependent fMRI. Its main application in clinical fMRI is for the assessment of neurovascular uncoupling potential. Neurovascular uncoupling is potentially a major limitation of clinical fMRI, particularly in the setting of mass lesions in the brain such as brain tumors and intracranial vascular malformations that are associated with alterations in regional hemodynamics on either an acquired or congenital basis. As such, breath-hold cerebrovascular reactivity mapping constitutes an essential component of quality control analysis in clinical fMRI, particularly when performed for presurgical mapping of eloquent cortex. Exogenous carbon dioxide challenges used for cerebrovascular reactivity mapping will also be discussed, and their applications to the evaluation of cerebrovascular reserve and cerebrovascular disease will be described.

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)0,011
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,059

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0000,003
Communication savante0,0030,004
Science ouverte0,0030,002
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0020,004

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 Opus0,127
Tête enseignante GPT0,462
Écart entre enseignants0,334 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations152
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of NeuroradiologyMême sujetAdvanced MRI Techniques and ApplicationsTravaux en français237 207