Vessel Density Mapping of Cerebral Small Vessels on 3D High Resolution Black Blood MRI
Notice bibliographique
Résumé
Cerebral small vessels are largely inaccessible to existing clinical in vivo imaging technologies. This study aims to present a novel analysis pipeline for vessel density mapping of cerebral small vessels from high-resolution 3D black-blood MRI at 3T. Twenty-eight subjects (10 under 35 years old, 18 over 60 years old) were imaged with the T1-weighted turbo spin-echo with variable flip angles (T1w TSE-VFA) sequence optimized for black-blood small vessel imaging with iso-0.5mm spatial resolution at 3T. Hessian-based vessel segmentation methods (Jerman, Frangi and Sato filter) were evaluated by vessel landmarks and manual annotation of lenticulostriate arteries (LSAs). Using optimized vessel segmentation, large vessel pruning and non-linear registration, a semiautomatic pipeline was proposed for quantification of small vessel density across brain regions and further for localized detection of small vessel changes across populations. Voxel-level statistics was performed to compare vessel density between two age groups. Additionally, local vessel density of aged subjects was correlated with their corresponding gross cognitive and executive function (EF) scores using Montreal Cognitive Assessment (MoCA) and EF composite scores compiled with Item Response Theory (IRT). Jerman filter showed better performance for vessel segmentation than Frangi and Sato filter which was employed in our pipeline. Cerebral small vessels on the order of a few hundred microns can be delineated using the proposed analysis pipeline on 3D black-blood MRI at 3T. The mean vessel density across brain regions was significantly higher in young subjects compared to aged subjects. In the aged subjects, localized vessel density was positively correlated with MoCA and IRT EF scores. The proposed pipeline is able to segment, quantify, and detect localized differences in vessel density of cerebral small vessels based on 3D high-resolution black-blood MRI. This framework may serve as a tool for localized detection of small vessel density changes in normal aging and cerebral small vessel disease.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».