Neurite orientation dispersion and density imaging in a rodent model of acute mild traumatic brain injury
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: Identification of changesin brain microstructure following mild traumatic brain injury (mTBI) could be instrumental in understanding the underlying pathophysiology. The purpose of this study was to apply neurite orientation dispersion and density imaging (NODDI) to a rodent model of mTBI to determine whether microstructural changes could be detected immediately following injury. METHODS: ). Nine animals experienced a single closed head controlled cortical impact followed by NODDI from 1 to 4 h post injury. Region of interest analysis focused on the corpus callosum and hippocampus. A mixed analysis of variance (ANOVA) was used to determine statistically significant interactions in neurite density index (NDI), orientation dispersion index (ODI), fractional anisotropy (FA), mean diffusivity (MD), axial diffusivity (AD), and radial diffusivity. Follow up repeated-measures ANOVAs were used to determine individual changes over time. RESULTS: NDI showed a significant increase in the hippocampus and corpus callosum following injury, while ODI showed increases in the corpus callosum. No significant changes were observed in the sham control animals. No changes were found in FA, MD, AD, or RD. Histological analysis revealed increased glial fibrillary acidic protein staining relative to controls in both the hippocampus and corpus callosum, with evidence of activated astrocytes in these regions. CONCLUSIONS: Changes in NODDI metrics were detected as early as 1 h following mTBI. No changes were detected with conventional diffusion tensor imaging (DTI) metrics, suggesting that NODDI provides greater sensitivity to microstructural changes than conventional DTI.
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.
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) | 0,000 | 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 | 0,000 | 0,000 |
| 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 découle