MétaCan
Menu
Retour à la cohorte
Enregistrement W3208753431 · doi:10.1109/tmi.2021.3123912

In Vivo Pulsatility Measurement of Cerebral Microcirculation in Rodents Using Dynamic Ultrasound Localization Microscopy

2021· article· en· W3208753431 sur OpenAlexafffund

Notice bibliographique

RevueIEEE Transactions on Medical Imaging · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueUltrasound and Hyperthermia Applications
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesFonds de recherche du Québec – Nature et technologiesInstitut TransMedTechInstitut de Cardiologie de MontréalInstitut de Valorisation des DonnéesCanada First Research Excellence FundCanada Foundation for InnovationRéseau en Bio-Imagerie du Quebec
Mots-clésMicrocirculationMicrobubblesUltrasoundHemodynamicsIn vivoBlood flowMicroscopyCerebral arteriesPreclinical imagingNeuroimaging

Résumé

récupéré en direct d'OpenAlex

An increased pulse pressure, due to arteries stiffening with age and cardiovascular disease, may lead to downstream brain damage in microvessels and cognitive decline. Brain-wide imaging of the pulsatility propagation from main feeding arteries to capillaries in small animals could improve our understanding of the link between pulsatility and cognitive decline. However, it requires higher spatiotemporal resolution and penetration depth than currently available with existing brain imaging techniques. Herein, we show the feasibility of performing Dynamic Ultrasound Localization Microscopy (DULM), a novel imaging approach to capture hemodynamics with a subwavelength resolution. By producing cine-loops of flowing microbubbles in 2D in the whole rodent brain lasting several cardiac cycles, DULM performed pulsatility measurements in microvessels in-depth, in vivo, with and without craniotomy. Cortical veins and arteries were shown to have a significatively different pulsatility index and the method was compared against Contrast Enhanced Ultrafast Ultrasound Doppler (CEUFD) pulsatility 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: aucune
Score de désaccord entre enseignants0,588
Score d'incertitude au seuil0,625

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,011
Tête enseignante GPT0,261
Écart entre enseignants0,250 · 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

Citations57
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Medical ImagingMême sujetUltrasound and Hyperthermia ApplicationsTravaux en français237 207