XiaoMi-AI文件搜索系统
World File Search SystemCMRO
功能激活期间脑氧梯度和血流的实时跟踪
和通过血管网络分布，氧分子沿浓度梯度从中散开，由氧气消耗速率（称为氧气的大脑代谢速率）设置为氧气（CMRO 2）。由于血液和呼吸细胞之间的氧气最少，因此脑血流（CBF）必须迅速响应神经元活性的变化。氧浓度梯度被氧的血管与组织（线粒体）部分压力反映（PO 2）；因此，他们编码有关耗氧和供应的信息，以及有关CMRO 2和血管反应变化的信息。CMRO 2的定量一直是神经科学的长期目标。 在稳定状态下，CMRO 2可以是组织病理学的有用标记，例如中风，2个创伤性脑损伤，3CMRO 2的定量一直是神经科学的长期目标。在稳定状态下，CMRO 2可以是组织病理学的有用标记，例如中风，2个创伤性脑损伤，3
多发性硬化症患者脑氧代谢降低：双校准功能磁共振成像的证据
摘要 人们越来越多地认识到脑能量缺乏是多发性硬化症 (MS) 的一个重要特征。到目前为止，我们还缺乏非侵入性成像方法来量化人脑的能量利用和线粒体功能。在这里，我们使用了新颖的双校准功能性磁共振成像 (dc-fMRI) 来绘制 MS (PwMS) 患者和年龄/性别匹配的对照组的灰质 (GM) 脱氧血红蛋白敏感脑血容量 (CBV dHb )、脑血流量 (CBF)、氧提取分数 (OEF) 和脑代谢氧消耗率 (CMRO 2 )。通过整合氧运输的流动扩散模型，我们评估了毛细血管网络的有效氧扩散率 (DC ) 和线粒体的氧分压 (PmO 2 )。观察到组间显著差异，与对照组相比，患者的 CBF（p = 0.010）、CMRO 2（p < 0.001）和 DC（p = 0.002）减少，而 PmO 2（p = 0.043）增加。CBV dHb（p = 0.389）、OEF（p = 0.358）或 GM 体积（p = 0.302）无显著差异。区域分析显示 PwMS 的 CMRO 2 和 DC 普遍减少。我们的研究结果可能表明 MS 大脑的氧气需求或利用率降低以及线粒体功能障碍。我们的结果表明大脑生理学的变化可能先于 MRI 可检测到的 GM 丢失，并可能导致疾病进展和神经退行性。
一种用于双线性回归的频域机器学习方法...
磁共振成像 (MRI) 可以非侵入性地绘制大脑的代谢氧消耗 (CMRO 2 )，这对于理解和监测健康和疾病状态下的神经功能至关重要。然而，由于缺乏稳健的方法，对 MRI 氧代谢的深入研究迄今为止受到阻碍。一种绘制 CMRO 2 的 MRI 方法基于在氧气和二氧化碳的呼吸调节期间同时获取脑血流 (CBF) 和血氧水平依赖 (BOLD) 加权图像。虽然这种双校准方法在研究环境中显示出良好的前景，但当前的分析方法在存在噪声的情况下不稳定和/或计算要求高。在本文中，我们提出了一种机器学习实现，用于对双校准 fMRI 数据进行多参数评估。所提出的方法旨在解决稳定性、准确性和计算开销问题，消除使用 MRI 研究氧代谢的重大障碍。该方法利用获取的灌注和 BOLD 加权数据的时间频率变换，从中选择适当的特征向量来训练机器学习回归器。实施的机器学习方法之所以被选中，是因为它们对噪声具有鲁棒性，并且能够映射复杂的非线性关系（例如 BOLD 信号加权和血氧之间存在的关系）。极端随机树 (ET) 回归器用于估计静息血流量，多层感知器 (MLP) 用于估计 CMRO 2 和氧提取分数 (OEF)。带有加性噪声的合成数据用于训练回归器，模拟数据涵盖广泛的生理合理参数。在模拟和体内数据（n = 30）中，将实施的分析方法的性能与已发表的方法进行了比较。所提出的
人工神经网络得出的脑氧代谢率用于 MRI 中区分胶质母细胞瘤和脑转移瘤的可行性研究
摘要：在某些情况下，胶质母细胞瘤在常规 MRI 上可能与脑转移瘤相似，但两者的治疗方法却有很大不同。这项前瞻性可行性研究旨在通过首次将定量磁化率映射和定量血氧水平依赖性 (QSM + qBOLD) 模型应用于这些实体来区分它们。我们前瞻性地纳入了 15 名未经治疗的胶质母细胞瘤患者（n = 7，中位年龄：68 岁，范围：54-84 岁）或脑转移瘤患者（n = 8，中位年龄 66 岁，范围：50-78 岁），这些患者在术前接受了包括多梯度回波和动脉自旋标记序列在内的 MRI 检查。使用人工神经网络计算了增强肿瘤 (CET) 和肿瘤周围非增强 T2 高信号区域 (NET2) 中的氧提取分数 (OEF)、脑血流量 (CBF) 和脑氧代谢率 (CMRO 2)。我们证明，胶质母细胞瘤的 CET 中的 OEF 明显低于 (p = 0.03) 转移瘤，仅对于转移瘤患者，CET 中的所有特征都明显高于 (p = 0.01) NET2，转移瘤患者的 CBF (p = 0.04) 和 CMRO 2 (p = 0.01) 的 CET/NET2 比率明显高于胶质母细胞瘤患者。支持向量机分类器的判别能力在两种特征组合下最高，受试者工作特征曲线下面积为 0.94，诊断准确率为 93%。QSM + qBOLD 可以对胶质母细胞瘤和脑转移瘤进行稳健区分，同时深入了解肿瘤氧合情况。