MétaCan
Menu
Retour à la cohorte
Enregistrement W3205967571 · doi:10.1002/jbio.202100218

Movement correction method for laser speckle contrast imaging of cerebral blood flow in cranial windows in rodents

2021· article· en· W3205967571 sur OpenAlexafffund
Jérémie Guilbert, Michèle Desjardins

Notice bibliographique

RevueJournal of Biophotonics · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueThermoregulation and physiological responses
Établissements canadiensUniversité Laval
Organismes subventionnairesFonds de recherche du Québec – Nature et technologiesNatural Sciences and Engineering Research Council of Canada
Mots-clésSpeckle patternSIGNAL (programming language)Contrast (vision)Speckle noiseSpeckle imagingComputer visionBlood flowCerebral blood flowArtificial intelligenceComputer scienceMovement (music)Noise (video)PhysicsImage (mathematics)MedicineAcousticsInternal medicine

Résumé

récupéré en direct d'OpenAlex

Laser speckle contrast imaging (LSCI) is used in clinical research to dynamically image blood flow. One drawback is its susceptibility to movement artifacts. We demonstrate a new, simple method to correct motion artifacts in LSCI signals measured in awake mice with cranial windows during sensory stimulation. The principle is to identify a region in the image in which speckle contrast (SC) is independent of blood flow and only varies with animal movement, then to regress out this signal from the data. We show that (1) the regressed signal correlates well with mouse head movement, (2) the corrected signal correlates better with independently measured blood volume and (3) it has a (59 ± 6)% higher signal-to-noise ratio. Compared to three alternative correction methods, ours has the best performance. Regressing out flow-independent global variations in SC is a simple and accessible way to improve the quality of LSCI measurements.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,542
Score d'incertitude au seuil0,251

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,304
Écart entre enseignants0,290 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations16
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of BiophotonicsMême sujetThermoregulation and physiological responsesTravaux en français237 207