Improved laminar specificity and sensitivity by combining SE and GE BOLD signals
Notice bibliographique
Résumé
The most widely used gradient-echo (GE) blood oxygenation level-dependent (BOLD) contrast has high sensitivity, but low specificity due to draining vein contributions, while spin-echo (SE) BOLD approach at ultra-high magnetic fields is highly specific to neural active sites but has lower sensitivity. To obtain high specificity and sensitivity, we propose to utilize a vessel-size-sensitive filter to the GE-BOLD signal, which suppresses macrovascular contributions and to combine selectively retained microvascular GE-BOLD signals with the SE-BOLD signals. To investigate our proposed idea, fMRI with 0.8 mm isotropic resolution was performed on the primary motor and sensory cortices in humans at 7 T by implementing spin- and gradient-echo (SAGE) echo planar imaging (EPI) acquisition. Microvascular-passed sigmoidal filters were designed based upon the vessel-size-sensitive ΔR2*/ΔR2 value for retaining GE-BOLD signals originating from venous vessels with ≤ 45 μm and ≤ 65 μm diameter. Unlike GE-BOLD fMRI, the laminar profile of SAGE-BOLD fMRI with the vessel-size-sensitive filter peaked at ∼ 1.0 mm from the surface of the primary motor and sensory cortices, demonstrating an improvement of laminar specificity over GE-BOLD fMRI. Also, the functional sensitivity of SAGE BOLD at middle layers (0.75–1.5 mm) was improved by ∼ 80% to ∼100% when compared with SE BOLD. In summary, we showed that combined GE- and SE-BOLD fMRI with the vessel-size-sensitive filter indeed yielded improved laminar specificity and sensitivity and is therefore an excellent tool for high spatial resolution ultra-high filed (UHF)-fMRI studies for resolving mesoscopic functional units.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».