Iterative analysis of cerebrovascular reactivity dynamic response by temporal decomposition
Notice bibliographique
Résumé
Abstract Objective To improve quantitative cerebrovascular reactivity ( CVR ) measurements and CO 2 arrival times, we present an iterative analysis capable of decomposing different temporal components of the dynamic carbon dioxide‐ Blood Oxygen‐Level Dependent ( CO 2 ‐ BOLD ) relationship. Experimental Design Decomposition of the dynamic parameters included a redefinition of the voxel‐wise CO 2 arrival time, and a separation from the vascular response to a stepwise increase in CO 2 (Delay to signal Plateau – DTP ) and a decrease in CO 2 (Delay to signal Baseline – DTB ). Twenty‐five (normal) datasets, obtained from BOLD MRI combined with a standardized pseudo‐square wave CO 2 change, were co‐registered to generate reference atlases for the aforementioned dynamic processes to score the voxel‐by‐voxel deviation probability from normal range. This analysis is further illustrated in two subjects with unilateral carotid artery occlusion using these reference atlases. Principal Observations We have found that our redefined CO 2 arrival time resulted in the best data fit. Additionally, excluding both dynamic BOLD phases ( DTP and DTB ) resulted in a static CVR , that is maximal response, defined as CVR calculated only over a normocapnic and hypercapnic calibrated plateau. Conclusion Decomposition and novel iterative modeling of different temporal components of the dynamic CO 2 ‐ BOLD relationship improves quantitative CVR measurements.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».