A novel MRI analysis for assessment of microvascular vasomodulation in low-perfusion skeletal muscle
Notice bibliographique
Résumé
Abstract Compromised microvascular reactivity underlies many conditions and injuries, but its assessment remains difficult, particularly in low perfusion tissues. In this paper, we develop a new mathematical model for the assessment of vasomodulation in low perfusion settings. A first-order model was developed to approximate changes in T1 relaxation times as a result of vasomodulation. Healthy adult rats (N = 6) were imaged on a 3-Tesla clinical MRI scanner, and vasoactive response was probed on gadofosveset using hypercapnic gases at 20% and 5% CO2 to induce vasoconstriction and vasodilation, respectively. MRI included dynamic 3D T1 mapping and T1-weighted images during gas challenge; heart rate was continuously monitored. Laser Doppler perfusion measurements were performed to corroborate MRI findings. The model was able to identify hypercapnia-mediated vasoconstriction and vasodilation through the partial derivative $$\frac{\partial {T}_{1}}{\partial t}$$ ∂T1∂t . MRI on animals revealed gradual vasoconstriction in the skeletal muscle bed in response to 20% CO2 followed by gradual vasodilation on transitioning to 5% CO2. These trends were confirmed on laser Doppler perfusion measurements. Our new mathematical model has the potential for detecting microvascular dysfunction that manifests in the early stages across multiple metabolic and ischemic pathologies.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 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) | 0,001 | 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 ».