Fast estimation of adult cerebral blood content and oxygenation with hyperspectral time-resolved near-infrared spectroscopy
Notice bibliographique
Résumé
Near-infrared spectroscopy (NIRS) can measure tissue blood content and oxygenation; however, its use for adult neuromonitoring is challenging due to significant contamination from their thick extracerebral layers (ECL; primarily scalp and skull). This report presents a fast method for accurate estimation of adult cerebral blood content and oxygenation from hyperspectral time resolved NIRS (trNIRS) data. A two-phase fitting method, based on a two-layer head model (ECL and brain), was developed. Phase 1 uses spectral constraints to accurately estimate the baseline blood content and oxygenation in both layers, which are then used by Phase 2 to correct for the ECL contamination of the late-arriving photons. The method was validated with in silico data from Monte-Carlo simulations of hyperspectral trNIRS in a realistic model of the adult head obtained from a high-resolution MRI. Phase 1 recovered cerebral blood oxygenation and total hemoglobin with an accuracy of 2.7 ± 2.5 and 2.8 ± 1.8%, respectively, with unknown ECL thickness, and 1.5 ± 1.4 and 1.7 ± 1.1% when the ECL thickness was known. Phase 2 recovered these parameters with an accuracy of 1.5 ± 1.5 and 3.1 ± 0.9%, respectively. Future work will include further validation in tissue-mimicking phantoms with various top layer thicknesses and in a pig model of the adult head before human applications.
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 | 0,000 |
| 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 | 0,000 | 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 ».