Hyperspectral Near-Infrared Spectroscopy for the Clinical Monitoring of the Brain: Can We Measure the Brain of Patients Experiencing Severe Changes in the Entire Body?
Notice bibliographique
Résumé
Near Infrared Spectroscopy (NIRS) uses near infrared light to measure the concentrations of different tissue chromophores such as oxygenated hemoglobin (HbO2), deoxygenated hemoglobin (HHb), and cytochrome c oxidase (Cyt-ox). However, NIRS measurements in adult humans are highly sensitive to extracranial tissue layers and thus less sensitive to the brain. The aim of this work was to assess the effectiveness of measuring specific brain hemodynamic response during breath-holding respiratory challenge. We used hyperspectral NIRS with combined short and long source-detector distance channels at 1 cm, 3 cm, and 4 cm. We used two approaches for signal processing: we measured the absolute hemoglobin concentrations using the analytical solution to the light diffusion equation for the semi-infinite homogeneous medium, and the changes in tissue layers using the modified Lambert-Beer law for a two-layer medium. Linear regression in the time domain of long distance and short distance channel signals allowed us to assess differences in brain responses and extracranial changes. We found that using the short-range channel was important for measuring cerebral response to breath-holding. We also found that the optimal wavelength band was between 750 and 900 nm, with the largest partial change between 800 and 850 nm. We also found that Cyt-ox at the 4 cm channel exhibited the most brain-specific changes compared to HbO2 and HHb.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».