Quantification of <scp>blood–brain</scp> barrier water exchange and permeability with multidelay diffusion‐weighted <scp>pseudo‐continuous arterial spin labeling</scp>
Notice bibliographique
Résumé
Purpose To present a pulse sequence and mathematical models for quantification of blood–brain barrier water exchange and permeability. Methods Motion‐compensated diffusion‐weighted (MCDW) gradient‐and‐spin echo (GRASE) pseudo‐continuous arterial spin labeling (pCASL) sequence was proposed to acquire intravascular/extravascular perfusion signals from five postlabeling delays (PLDs, 1590–2790 ms). Experiments were performed on 11 healthy subjects at 3 T. A comprehensive set of perfusion and permeability parameters including cerebral blood flow (CBF), capillary transit time (τc), and water exchange rate (kw) were quantified, and permeability surface area product (PSw), total extraction fraction (Ew), and capillary volume (Vc) were derived simultaneously by a three‐compartment single‐pass approximation (SPA) model on group‐averaged data. With information (i.e., Vc and τc) obtained from three‐compartment SPA modeling, a simplified linear regression of logarithm (LRL) approach was proposed for individual kw quantification, and Ew and PSw can be estimated from long PLD (2490/2790 ms) signals. MCDW‐pCASL was compared with a previously developed diffusion‐prepared (DP) pCASL sequence, which calculates kw by a two‐compartment SPA model from PLD = 1800 ms signals, to evaluate the improvements. Results Using three‐compartment SPA modeling, group‐averaged CBF = 51.5/36.8 ml/100 g/min, kw = 126.3/106.7 min−1, PSw = 151.6/93.8 ml/100 g/min, Ew = 94.7/92.2%, τc = 1409.2/1431.8 ms, and Vc = 1.2/0.9 ml/100 g in gray/white matter, respectively. Temporal SNR of MCDW‐pCASL perfusion signals increased 3‐fold, and individual kw maps calculated by the LRL method achieved higher spatial resolution (3.5 mm3 isotropic) as compared with DP pCASL (3.5 × 3.5 × 8 mm3). Conclusion MCDW‐pCASL allows visualization of intravascular/extravascular ASL signals across multiple PLDs. The three‐compartment SPA model provides a comprehensive measurement of blood–brain barrier water dynamics from group‐averaged data, and a simplified LRL method was proposed for individual kw quantification.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 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 ».