Tensor‐valued diffusion <scp>MRI</scp> of human acute stroke
Notice bibliographique
Résumé
Abstract Purpose Tensor‐valued diffusion encoding can disentangle orientation dispersion and subvoxel anisotropy, potentially offering insight into microstructural changes after cerebral ischemia. The purpose was to evaluate tensor‐valued diffusion MRI in human acute ischemic stroke, assess potential confounders from diffusion time dependencies, and compare to Monte Carlo diffusion simulations of axon beading. Methods Linear (LTE) and spherical (STE) b‐tensor encoding with inherently different effective diffusion times were acquired in 21 acute ischemic stroke patients between 3 and 57 h post‐onset at 3 T in 2.5 min. In an additional 10 patients, STE with 2 LTE yielding different effective diffusion times were acquired for comparison. Diffusional variance decomposition (DIVIDE) was used to estimate microscopic anisotropy (μFA), as well as anisotropic, isotropic, and total diffusional variance (MKA, MKI, MKT). DIVIDE parameters, and diffusion tensor imaging (DTI)‐derived mean diffusivity and fractional anisotropy (FA) were compared in lesion versus contralateral white matter. Monte Carlo diffusion simulations of various cylindrical geometries for all b‐tensor protocols were used to interpret parameter measurements. Results MD was ˜40% lower in lesions for all LTE/STE protocols. The DIVIDE parameters varied with effective diffusion time: higher μFA and MKA in lesion versus contralateral white matter for STE with longer effective diffusion time LTE, whereas the shorter effective diffusion time LTE protocol yielded lower μFA and MKA in lesions. Both protocols, regardless of diffusion time, were consistent with simulations of greater beading amplitude and intracellular volume fraction. Conclusion DIVIDE parameters depend on diffusion time in acute stroke but consistently indicate neurite beading and larger intracellular volume fraction.
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) | 0,001 | 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 ».