Deconvolution of dynamic dual photon microscopy images of cerebral microvasculature to assess the hemodynamic status of the brain
Notice bibliographique
Résumé
Assessing the hemodynamic status of the brain and its variations in response to stimulations is required to understand the local cerebral circulatory mechanisms. Dynamic contrast enhanced imaging of cerebral microvasculature provides information that can be used in understanding physiology of cerebral diseases. Bolus tracking is used to extract characteristic parameters that quantify local cerebral blood flow. However, post-processing of the data is needed to segment the field of view (FOV) and to perform deconvolution to remove the effects of input bolus profile and the path it travels to reach the imaging window. Finding the arterial input function (AIF) and dealing with the ill-posedness of deconvolution system make this process are the main challenges. We propose using ICA to segment the FOV and to extract a local AIF as well as the venous output function that is required for deconvolution. This also helps to stabilize the system as ICA suppresses noise efficiently. Tikhoniv regularization (with L-curve analysis to find the best regularization parameter) is used to make the system stable. In-vivo dynamic 2PLSM images of a rat brain in two conditions (when the animal is at rest and when it is stimulated) are used in this study. The experimental along with the simulation studies provided promising results that demonstrate the feasibility and importance of performing deconvolution.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».