Robust estimation of dynamic cerebrovascular reactivity using breath-holding fMRI: application in diabetes and hypertension
Notice bibliographique
Résumé
Abstract Breath-holding (BH) tasks during functional magnetic resonance imaging (fMRI) acquisitions are gaining popularity for non-invasive mapping of carbon-dioxide (CO 2 ) driven cerebrovascular reactivity (CVR), which is a valuable clinical marker of vascular function. However, compliance to BH tasks is often unclear, and the ability to record end-tidal CO 2 often limited, rendering the optimal analysis of BH fMRI data a challenge. In this work, we demonstrate an adaptive data-driven approach for estimating CVR from BH fMRI data that minimizes errors due to subject non-compliance and regional CVR time delay variability. Building on previous work, we propose a frequency-domain-based approach for CVR estimation without the need for end-tidal CO 2 (PETCO 2 ) recordings. CVR amplitude is estimated in units of %ΔBOLD directly from the data-driven BH frequency. Serious deviations from the designed task paradigm were suppressed and thus did not bias the estimated CVR values. We demonstrate our method in detecting regional CVR amplitude and time-lag differences in a group of 56 individuals, consisting of healthy (CTL), hypertensive (HT) and diabetic-hypertensive (DM+HT) groups of similar ages and sex ratios. The CVR amplitude was lowest in HT+DM, and HT had a lower CVR amplitude than CTL regionally but the voxelwise comparison did not yield statistical significance. Notably, we demonstrate that the voxelwise CVR time delay estimated in Fourier domain is a more sensitive marker of vascular dysfunction than CVR amplitude. While HT+DM seems to confer longer CVR delays, HT seems to confer shorter delays than CTL. These are the first MRI-based observations of CVR time delay differences between diabetic-hypertensive patients and healthy controls. These results demonstrate the feasibility of extracting CVR amplitude and CVR time delay using BH challenges without PETCO 2 recordings, and the unique clinical value of CVR time-delay information.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».