MétaCan
Menu
Retour à la cohorte
Enregistrement W4220680725 · doi:10.1117/12.2609877

Investigating presence of motion artifacts in the oxygen saturation signal during in-vivo fiber photometry

2022· article· en· W4220680725 sur OpenAlexaff
Anupam Bisht, Kathryn Simone, Govind Peringod, Grant R. Gordon, Jaideep S. Bains, Kartikeya Murari

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMedicine
ThématiqueOptical Imaging and Spectroscopy Techniques
Établissements canadiensOntario Brain InstituteUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésBiological systemArtifact (error)WavelengthOffset (computer science)Materials sciencePerfusionOpticsComputer scienceArtificial intelligenceBiomedical engineeringPhysicsNuclear magnetic resonanceComputer visionChemistryBiology

Résumé

récupéré en direct d'OpenAlex

Oxygen saturation (sO2) and blood perfusion in brain tissue have been known to be modulated with cellular activity in the brain. A single fiber system (SFS) has previously been shown to enable sO2 measurements from localized deep brain regions in freely moving animals. Reflectance spectra (RSF) obtained through the SFS can be used to understand changes in blood perfusion and fit to an empirical model to extract sO2. The sO2 extracted is dependent on the shape of RSF and thus relatively resistant to noise as compared to blood perfusion which is dependent on the magnitude of RSF at specific wavelengths. While slow changes in sO2 have been shown to be robust, sources of certain relatively rapid temporal variations observed in the sO2 signal remains unclear. Potential sources could be variations in cellular activity in the brain or noise due to motion artifacts. In this work, we have described the design of new experiments focused to investigate the effects of motion artifacts on RSF and sO2. Computer simulations and mathematical modelling have been used to explain the experimental findings. Results suggest that the motion artifacts mainly arise from the fiber/brain interface and appear to offset RSF. Using the interpretation from a mathematical model, we also propose a motion artifact correction algorithm which can potentially be used for comparison of perfusion signals.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 Opus0,018
Tête enseignante GPT0,295
Écart entre enseignants0,277 · 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 source (Gemma direct ou Codex distillé), 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

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetOptical Imaging and Spectroscopy TechniquesTravaux en français237 207