Dynamic microvascular biomarkers in ultrasound localization microscopy: From simulation to <i>in vivo</i> application
Notice bibliographique
Résumé
Ultrasound localization microscopy (ULM) offers non-invasive, deep-tissue imaging of the microvasculature by tracking millions of intravenously injected, clinically approved, individual microbubbles. In this work, we introduce a simulation–experiment framework, combining realistic vascular modeling with a large, open-access database of in vivo transcranial mouse ULM datasets that we recently released. We use this framework to develop novel biomarkers in small vessels such as pulsatility imaging, pulse-wave imaging, capillary transit time, and the detection of capillary stalls. This framework enabled the development of several technical improvement such as the track-and-localize approach and robust aberration correction. Using these improvements, we show the feasibility of mapping pulsatility and pulse-wave velocity in the entire brain in vessels as small as 30 microns in diameter. We also introduce the concept of single capillary reporters, i.e., single microbubbles that were tracked over thousands of frames from the arterial to the veinous side of the vascular tree and thus enabling the quantitative mapping of transit time and stalls in capillaries, which correlate with neuroinflammation in a LPS-challenge mouse model. Finally, we explore the translational potential of these methods in larger brains in vivo, paving the way for clinical imaging of the microvasculature.
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 | 0,002 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».