Diffusion tensor imaging and arterial tissue: establishing the influence of arterial tissue microstructure on fractional anisotropy, mean diffusivity and tractography
Notice bibliographique
Résumé
Abstract This study investigates diffusion tensor imaging (DTI) for providing microstructural insight into changes in arterial tissue by exploring how cell, collagen and elastin content effect fractional anisotropy (FA), mean diffusivity (MD) and tractography. Five ex vivo porcine carotid artery models (n = 6 each) were compared—native, fixed native, collagen degraded, elastin degraded and decellularised. Vessels were imaged at 7 T using a DTI protocol with b = 0 and 800 s/mm 2 and 10 isotopically distributed directions. FA and MD were evaluated in the vessel media and compared across models. FA values measured in native (p < 0.0001), fixed native (p < 0.0001) and collagen degraded (p = 0.0018, p = 0.0016, respectively) were significantly higher than those in elastin degraded and decellularised arteries. Native and fixed native had significantly lower MD values than elastin degraded (p < 0.0001) and decellularised tissue (p = 0.0032, p = 0.0003, respectively). Significantly lower MD was measured in collagen degraded compared with the elastin degraded model (p = 0.0001). Tractography yielded helically arranged tracts for native and collagen degraded vessels only. FA, MD and tractography were found to be highly sensitive to changes in the microstructural composition of arterial tissue, specifically pointing to cell, not collagen, content as the dominant source of the measured anisotropy in the vessel wall.
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) | 0,000 | 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 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 ».