The Role of Cerebrovascular-Reactivity Mapping in Functional MRI: Calibrated fMRI and Resting-State fMRI
Notice bibliographique
Résumé
Task and resting-state functional MRI (fMRI) is primarily based on the same blood-oxygenation level-dependent (BOLD) phenomenon that MRI-based cerebrovascular reactivity (CVR) mapping has most commonly relied upon. This technique is finding an ever-increasing role in neuroscience and clinical research as well as treatment planning. The estimation of CVR has unique applications in and associations with fMRI. In particular, CVR estimation is part of a family of techniques called calibrated BOLD fMRI, the purpose of which is to allow the mapping of cerebral oxidative metabolism (CMRO2) using a combination of BOLD and cerebral-blood flow (CBF) measurements. Moreover, CVR has recently been shown to be a major source of vascular bias in computing resting-state functional connectivity, in much the same way that it is used to neutralize the vascular contribution in calibrated fMRI. Furthermore, due to the obvious challenges in estimating CVR using gas challenges, a rapidly growing field of study is the estimation of CVR without any form of challenge, including the use of resting-state fMRI for that purpose. This review addresses all of these aspects in which CVR interacts with fMRI and the role of CVR in calibrated fMRI, provides an overview of the physiological biases and assumptions underlying hypercapnia-based CVR and calibrated fMRI, and provides a view into the future of non-invasive CVR measurement.
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 ».