Insights into hippocampal perfusion using high-resolution, multi-modal 7T MRI
Notice bibliographique
Résumé
We present a comprehensive study on the non-invasive measurement of hippocampal perfusion. Using high-resolution 7 tesla arterial spin labeling (ASL) data, we generated robust perfusion maps and observed significant variations in perfusion among hippocampal subfields, with CA1 exhibiting the lowest perfusion levels. Notably, these perfusion differences were robust and already detectable with 50 perfusion-weighted images per subject, acquired in 5 min. To understand the underlying factors, we examined the influence of image quality metrics, various tissue microstructure and morphometric properties, macrovasculature, and cytoarchitecture. We observed higher perfusion in regions located closer to arteries, demonstrating the influence of vascular proximity on hippocampal perfusion. Moreover, ex vivo cytoarchitectonic features based on neuronal density differences appeared to correlate stronger with hippocampal perfusion than morphometric measures like gray matter thickness. These findings emphasize the interplay between microvasculature, macrovasculature, and metabolic demand in shaping hippocampal perfusion. Our study expands the current understanding of hippocampal physiology and its relevance to neurological disorders. By providing in vivo evidence of perfusion differences between hippocampal subfields, our findings have implications for diagnosis and potential therapeutic interventions. In conclusion, our study provides a valuable resource for extensively characterizing hippocampal perfusion.
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 | 0,001 | 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 | 0,000 |
| 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 ».