Blood volume sensitive laminar fMRI with VASO in human hippocampus: Capabilities and biophysical challenges at clinical 7T scanners
Notice bibliographique
Résumé
Sub-millimeter resolution functional magnetic resonance imaging (fMRI) at ultra-high field (≥ 7T) has offered an unprecedented opportunity to probe mesoscopic computations at a columnar or laminar level. However, its application has been primarily restricted to the neocortex. Inferior brain regions, particularly the hippocampus (HC), are challenging targets for laminar fMRI. Recent developments in acquisition methods have shown the feasibility of laminar recordings in the HC using gradient-echo blood oxygenation level-dependent (BOLD) contrast. Nonetheless, the spatial specificity of the BOLD signal is compromised by the draining veins' bias. Cerebral blood volume (CBV)-sensitive sequences including vascular space occupancy (VASO) have emerged as a promising augmentation tool to capture the vein-free laminar activity. Yet, its feasibility in the HC is unclear and challenged by methodological constraints. Here, we optimized VASO to mitigate the macrovasculature contribution in HC. By evaluating a series of advanced acquisition strategies tailored to HC, we obtained improved VASO signal quality with minimal artifacts. The optimized protocol was further validated with an autobiographical memory task. Our findings show that combining the high detection power of gradient-echo BOLD with the vein-free VASO contrast allows for differentiation between neural activity-related BOLD signals and those biased by draining veins. These results demonstrate the feasibility of submillimeter VASO acquired with conventional 7T scanners in the HC to map the circuit-level mechanisms of memory retrieval across HC subfields, laying a foundation to investigate the microcircuitry of HC-driven complex cognitive functions and their alterations in neurodegeneration.
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 | 0,001 |
| 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 | 0,001 | 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 ».