Direct assessment of extracerebral signal contamination on optical measurements of cerebral blood flow, oxygenation, and metabolism
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
Significance: Near-infrared spectroscopy (NIRS) combined with diffuse correlation spectroscopy (DCS) provides a noninvasive approach for monitoring cerebral blood flow (CBF), oxygenation, and oxygen metabolism. However, these methods are vulnerable to signal contamination from the scalp. Our work evaluated methods of reducing the impact of this contamination using time-resolved (TR) NIRS and multidistance (MD) DCS. Aim: The magnitude of scalp contamination was evaluated by measuring the flow, oxygenation, and metabolic responses to a global hemodynamic challenge. Contamination was assessed by collecting data with and without impeding scalp blood flow. Approach: Experiments involved healthy participants. A pneumatic tourniquet was used to cause scalp ischemia, as confirmed by contrast-enhanced NIRS, and a computerized gas system to generate a hypercapnic challenge. Results: Comparing responses acquired with and without the tourniquet demonstrated that the TR-NIRS technique could reduce scalp contributions in hemodynamic signals up to 4 times (rSD = 3 cm) and 6 times (rSD = 4 cm). Similarly, blood flow responses from the scalp and brain could be separated by analyzing MD DCS data with a multilayer model. Using these techniques, there was no change in metabolism during hypercapnia, as expected, despite large increases in CBF and oxygenation. Conclusion: NIRS/DCS can accurately monitor CBF and metabolism with the appropriate enhancement to depth sensitivity, highlighting the potential of these techniques for neuromonitoring.
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