MétaCan
Menu
Retour à la cohorte
Enregistrement W2909076896 · doi:10.1002/mrm.27660

Dependence of the MR signal on the magnetic susceptibility of blood studied with models based on real microvascular networks

2019· article· en· W2909076896 sur OpenAlexaff
Xiaojun Cheng, Avery Berman, Jon̈athan R. Polimeni, Richard B. Buxton, Louis Gagnon, Anna Devor, Sava Sakadžić, David A. Boas

Notice bibliographique

RevueMagnetic Resonance in Medicine · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced MRI Techniques and Applications
Établissements canadiensUniversité Laval
Organismes subventionnairesNational Institute of Biomedical Imaging and BioengineeringNational Institute of Neurological Disorders and StrokeNational Institute of Mental HealthNational Heart, Lung, and Blood InstituteCentre d'Imagerie BioMédicale
Mots-clésContrast (vision)Monte Carlo methodExponentMagnetic resonance imagingNuclear magnetic resonanceSIGNAL (programming language)Relaxation (psychology)PerfusionComputationComputer scienceStatistical physicsMathematicsPhysicsStatisticsAlgorithmArtificial intelligenceRadiologyMedicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

Purpose The primary goal of this study was to estimate the value of , the exponent in the power law relating changes of the transverse relaxation rate and intra‐extravascular local magnetic susceptibility differences as . The secondary objective was to evaluate any differences that might exist in the value of obtained using a deoxyhemoglobin‐weighted distribution versus a constant distribution assumed in earlier computations. The third objective was to estimate the value of β that is relevant for methods based on susceptibility contrast agents with a concentration of higher than that used for BOLD fMRI calculations. Methods Our recently developed model of real microvascular anatomical networks is used to extend the original simplified Monte‐Carlo simulations to compute from the first principles. Results Our results show that for most BOLD fMRI measurements of real vascular networks, as opposed to earlier predictions of .5 using uniform distributions. For perfusion or fMRI methods based on contrast agents, which generate larger values for , for 9.4 T, whereas at 14 T can drop below 1 and the variation across subjects is large, indicating that a lower concentration of contrast agent with a lower value of is desired for experiments at high B0. Conclusion These results improve our understanding of the relationship between R2* and the underlying microvascular properties. The findings will help to infer the cerebral metabolic rate of oxygen and cerebral blood volume from BOLD and perfusion MRI, respectively.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,261
Écart entre enseignants0,245 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

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

En bref

Citations17
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMagnetic Resonance in MedicineMême sujetAdvanced MRI Techniques and ApplicationsTravaux en français237 207