Robust method for 3D arterial spin labeling in mice
Notice bibliographique
Résumé
Arterial spin labeling is a versatile perfusion quantification methodology, which has the potential to provide accurate characterization of cerebral blood flow (CBF) in mouse models. However, a paucity of physiological data needed for accurate modeling, more stringent requirements for gradient performance, and strong artifacts introduced by magnetization transfer present special challenges for accurate CBF mapping in the mouse. This article describes robust mapping of CBF over three-dimensional brain regions using amplitude-modulated continuous arterial spin labeling. To provide physiological data for CBF modeling, the carotid artery blood velocity distribution was characterized using pulsed-wave Doppler ultrasound. These blood velocity measurements were used in simulations that optimize inversion efficiency for parameters meeting MRI gradient duty cycle constraints. A rapid slice positioning algorithm was developed and evaluated to provide accurate positioning of the labeling plane. To account for enhancement of T(1) due to magnetization transfer, a binary spin bath model of magnetization transfer was used to provide a more accurate estimate of CBF. Finally, a study of CBF was conducted on 10 mice with findings of highly reproducible inversion efficiency (mean ± standard-error-of-the-mean, 0.67 ± 0.03), statistically significant variation in CBF over 12 brain regions (P < 0.0001) and a mean ± standard-error-of-the-mean whole brain CBF of 219 ± 6 mL/100 g/min.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,003 |
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 ».