Development and applications of data analysis tools for multimodal positron emission tomography and magnetic resonance imaging sytems
Notice bibliographique
Résumé
Two experiments (𝑁 = 5, 𝑁 = 2) were performed at the Magnetic Resonance Microscopy Centre (MRMC) in Winnipeg (MB) in an attempt to use simultaneous positron emission tomography and magnetic resonance (PET-MR) imaging to demonstrate the in vivo selective activation of serotonergic 5-HT neurons in rats. These experiments take advantage of a new imaging system developed by Cubresa Inc (Winnipeg, MB) called ‘NuPET’. This device is an MR-compatible PET insert which is placed around the subject while they are within the bore of a MR device. That allows simultaneous PET-MR imaging. To activate 5-HT neurons selectively we use designer receptors exclusively active by designer drug (DREADD) technology. These DREADDs are designer G-protein-coupled receptors. Neurons at the site of a stereotactic injection are transfected with a viral vector containing the proteins necessary to force expression of DREADDs in genetically modified rats. These may then be activated by administering the drug clozapine-N-oxide (CNO). This technique allows for precise spatiotemporal control of receptor signaling. The MRMC is highly experienced in MR experiments, but had no in-house capability to analyze the data gathered during PET-MR studies. This thesis presents the development and application of a custom-designed workflow and collection of Matlab scripts which organizes and streamlines the tasks associated with PET-MR post-processing and analysis. This is intended as a tool that may be used for any future PET-MR experiments at the MRMC, and be continually expanded as the needs of the lab grow more sophisticated. In the application of the Slapdash workflow, it was determined that we cannot confirm that the experiments were able to image the in vivo activation of serotonergic neurons. Statistical analysis performed with paired-sample t-testing reveals statistically significant differences in activity between initial and subsequent PET frames throughout both experiments, but numerous methodological issues mar our ability to draw any meaningful conclusions from the data.
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 | 0,005 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,011 |
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 ».