Simulation of Capillary Hemodynamics and Comparison with Experimental Results of Microphantom Perfusion Weighted Imaging
Notice bibliographique
Résumé
BACKGROUND: Perfusion imaging, one of MRI's techniques, is widely used to test damaged tissues of the body. The parameters used in this technique include cerebral blood flow (CBF), cerebral blood volume (CBV), and mean transit time (MTT). The MRI scanner contains a device called a "phantom", which controls the accuracy of various imaging models. OBJECTIVE: Our goal is to design and produce a microphantom to control the perfusion-imaging model in MRI scanners. MATERIAL AND METHODS: Firstly, in an analytical study type, we designed the phantom based on Murray's minimum work rule using AutoCAD software. Next, the phantom was fabricated using lithography and then imaged using a Siemens Magnetom 3T Prisma MRI scanner at the National Brain Laboratory. Finally, the velocity and pressure in the capillary network was simulated using COMSOL software. RESULTS: CBF, CBV, and MTT curves for the capillary network were obtained at different times. In addition, the simulations showed that the velocity and pressure in the capillary network were between 0.0001 and 0.0005 m/s and between 5 and 25 mm/Hg, respectively. CONCLUSION: The fabricated microphantom was used to simulate the movement of blood within tissues of the body. Different parameters of perfusion imaging were measured inside the phantom, and they in the phantom were similar to in the body.
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 | 0,000 | 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 | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».