Cerebral oxygen extraction fraction: Comparison of dual‐gas challenge calibrated BOLD with CBF and challenge‐free gradient echo QSM+qBOLD
Notice bibliographique
Résumé
Purpose To compare cortical gray matter oxygen extraction fraction (OEF) estimated from 2 MRI methods: (1) the quantitative susceptibility mapping (QSM) plus quantitative blood oxygen level dependent imaging (qBOLD) (QSM+qBOLD or QQ), and (2) the dual‐gas calibrated‐BOLD (DGCB) in healthy subjects; and to investigate the validity of iso‐cerebral metabolic rate of oxygen consumption assumption during hypercapnia using QQ. Methods In 10 healthy subjects, 3 tesla MRI including a multi‐echo gradient echo sequence at baseline and hypercapnia for QQ, as well as an EPI dual‐echo pseudo‐continuous arterial spin labeling for DGCB, were performed under a hypercapnic and a hyperoxic condition. OEFs from QQ and DGCB were compared using region of interest analysis and paired t test. For QQ, cerebral metabolic rate of oxygen consumption = cerebral blood flow*OEF*arterial oxygen content was generated for both baseline and hypercapnia, which were compared. Results Average OEF in cortical gray matter across 10 subjects from QQ versus DGCB was 35.5 ± 6.7% versus 38.0 ± 9.1% ( P = .49) at baseline and 20.7 ± 4.4% versus 28.4 ± 7.6% ( P = .02) in hypercapnia: OEF in cortical gray matter was significantly reduced as measured in QQ ( P < .01) and in DGCB ( P < .01). Cerebral metabolic rate of oxygen consumption (in μmol O 2 /min/100 g) was 168.2 ± 54.1 at baseline from DGCB and was 153.1 ± 33.8 at baseline and 126.4 ± 34.2 ( P < .01) in hypercapnia from QQ. Conclusion The differences in OEF obtained from QQ and DGCB are small and nonsignificant at baseline but are statistically significant during hypercapnia. In addition, QQ shows a cerebral metabolic rate of oxygen consumption decrease (17.4%) during hypercapnia.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».