CN113571188A - 一种氧摄取分数的计算方法 - Google Patents

一种氧摄取分数的计算方法 Download PDF

Info

Publication number
CN113571188A
CN113571188A CN202110882779.4A CN202110882779A CN113571188A CN 113571188 A CN113571188 A CN 113571188A CN 202110882779 A CN202110882779 A CN 202110882779A CN 113571188 A CN113571188 A CN 113571188A
Authority
CN
China
Prior art keywords
oxygen saturation
fraction
oef
saturation fraction
capillary
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202110882779.4A
Other languages
English (en)
Inventor
殷雅彦
卢洁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xuanwu Hospital
Original Assignee
Xuanwu Hospital
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xuanwu Hospital filed Critical Xuanwu Hospital
Priority to CN202110882779.4A priority Critical patent/CN113571188A/zh
Publication of CN113571188A publication Critical patent/CN113571188A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/14542—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring blood gases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Data Mining & Analysis (AREA)
  • Public Health (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Veterinary Medicine (AREA)
  • Theoretical Computer Science (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Mathematical Physics (AREA)
  • Biophysics (AREA)
  • Databases & Information Systems (AREA)
  • Pure & Applied Mathematics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Mathematical Analysis (AREA)
  • Animal Behavior & Ethology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Epidemiology (AREA)
  • Optics & Photonics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Primary Health Care (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Evolutionary Biology (AREA)
  • Algebra (AREA)
  • Radiology & Medical Imaging (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明公开了一种氧摄取分数的计算方法，包括对Yablonskiy和Haacke模型中的氧饱和分数采用动脉血管氧饱和分数、毛细血管氧饱和分数和静脉血管的氧饱和分数加权平均进行分析确认，毛细血管氧饱和分数由动脉血管氧饱和分数和静脉血管氧饱和分数之间的加权确定，将模型转化为只有动脉血管、静脉血管氧饱和分数的模型参数，利用OEF与动脉血管氧饱和分数、静脉血管氧饱和分数之间的关系重新建立MR信号与OEF之间的关系，计算OEF值。本申请充分考虑了脱氧血红蛋白所在的血管成分对氧饱和分数的贡献，使其适用于由外界因素所引起的血氧变化，由于考虑了动脉、毛细血管和静脉的血氧贡献，进一步提高了OEF的评估准确性。

Description

一种氧摄取分数的计算方法
技术领域
本发明涉及磁共振成像领域，尤其涉及一种氧摄取分数的计算方法。
背景技术
氧摄取分数(Oxygen Extraction Fraction，OEF)定义为血液流经毛细血管床时组织从血液中获取以维持功能和形态完整性的血氧比例，即耗氧量与供氧量的比值，是衡量大脑内稳态的重要生理参数。OEF因与氧消耗密切相关，从而可以直接反映组织的可持续性和活跃性，是组织健康和功能的重要生理指标。
基于磁共振成像(Magnetic Resonance Imaging，MRI)技术测量OEF主要是利用了血液中具有抗磁性的含氧血红蛋白被组织摄取氧后变成了具有顺磁性的脱氧血红蛋白从而导致MR信号损失的原理。根据这一原理，Yablonskiy和Haacke建立了血氧饱和分数与MR信号变化的关系。但在实际应用中，人们常常将血氧饱和分数假设为1来简化OEF的计算，即只考虑静脉血的贡献。然而当生理状态发生改变(环境、病理等)时，动脉血氧饱和分数就不能简单的认为是1，这就使得现有的OEF计算方法受到限制。此外，研究表明各血管成分(动脉、静脉、毛细血管)对血氧饱和分数都有贡献，忽略部分血管的贡献可能会影响OEF的正确评估。
因此，目前OEF的计算方法具有局限性和不准确性。
发明内容
为解决上述技术问题，本发明的目的在于提供一种氧摄取分数的计算方法，充分考虑了脱氧血红蛋白所在的血管成分对氧饱和分数的贡献，使其适用于由外界因素所引起的血氧变化，考虑了动脉、毛细血管和静脉的血氧贡献，进一步提高了OEF的评估准确性。
本发明提供了一种氧摄取分数的计算方法，包括对Yablonskiy和Haacke模型中的氧饱和分数采用动脉血管氧饱和分数、毛细血管氧饱和分数和静脉血管的氧饱和分数加权平均进行分析确认，所述毛细血管氧饱和分数由动脉血管氧饱和分数和静脉血管氧饱和分数之间的加权确定，将模型转化为只有动脉血管、静脉血管氧饱和分数的模型参数，利用OEF与动脉血管氧饱和分数、静脉血管氧饱和分数之间的关系重新建立MR信号与OEF之间的关系，计算OEF值。
以上所述的计算方法，其中，所述Yablonskiy和Haacke模型中，R2′与氧饱和分数Y的关系为：
Figure BDA0003192669390000021
其中，γ为旋磁比；Δχ0为全含氧血红蛋白与全脱氧血红蛋白的磁敏感系数差，Hct为血红细胞比容分数，B0为主磁场强度，fCBV为静脉血体积分数。
以上所述的计算方法，其中，所述γ＝2.675×108s-1T-1；所述Δχ0＝0.264ppm，所述Hct＝0.35。
以上所述的计算方法，其中，氧饱和分数Y使用动脉、毛细血管和静脉的加权平均进行估计，即：
Y＝ωa·Ya+ωc·Yc+ωv·Yv (2)
其中，ωa、ωc、ωv分别为动脉血体积分数、毛细血管体积分数和静脉血体积分数，Ya、Yc、Yv分别为动脉血氧饱和分数、毛细血管氧饱和分数和静脉血氧饱和分数。
将毛细血管体积分数ωc设定为0.4，毛细血管氧饱和分数由动脉氧饱和分数和静脉氧饱和分数之间的加权确定：
Yc＝0.4·Ya+0.6·Yv (3)
以上所述的计算方法，其中，将公式(3)带入公式(2)可得：
Y＝α·Ya+(1-α)·Yv (4)
其中，α＝ωa+0.16，ωa＝0.2，ωv＝0.4。
以上所述的计算方法，其中，静脉血氧饱和分数的计算公式为：
Yv＝Ya-OEF·Ya (5)
其中，Ya为SaO2/100。
以上所述的计算方法，其中，所述MR信号通过多回波非对称性自旋回波序列采集，并对采集的MR信号进行预处理。
以上所述的计算方法，其中，所述预处理包括运动校正、图像配准以及高斯平滑。
以上所述的计算方法，其中，所述预处理步骤后还包括对回波数据进行以下分析：
(1)使用一对关于自旋回波对称获取的梯度回波图像，根据单指数衰减模型计算MR信号衰减的不可逆部分的弛豫率R2的影响；
(2)将后四个梯度回波信号使用线性最小二乘曲线拟合得到R2 *和自旋回波信号强度；
(3)R2′由计算公式R2′＝R2 *-R2得到；
(4)通过由步骤(2)计算得出的自旋回波信号强度与实际采集得到的自旋回波强度的对数之差，得到静脉血体积分数(fCBV)。
有益效果
1.本发明适用于所有生理、病理状态的氧摄取分数计算。
2.本发明适用于所有基于Yablonskiy和Haacke模型计算OEF的方法。
3.本发明提供的一种基于多血管成分模型的OEF计算方法，充分地考虑了脱氧血红蛋白所在的血管成分对氧饱和分数的贡献，使其适用于由外界因素所引起的血氧变化。此外，由于考虑了动脉、毛细血管和静脉的血氧贡献，进一步提高了OEF的评估准确性。
附图说明
图1是标准空气和低氧下右手握拳运动任务下得到的OEF激活图；
图2是OEF激活体素个数与SaO2的关系图；
图3是OEF分别在只考虑静脉贡献和考虑三种血管(动脉、毛细血管和静脉)贡献下基线值与激活值。
具体实施方式
以下实施例用于说明本发明，但不用来限制本发明的范围。若未特别指明，实施例中所用的技术手段为本领域技术人员所熟知的常规手段。
本发明招募了21名受试者，其中13名男性，平均年龄为24.33±2.99岁。所有受试者都没有神经和呼吸系统疾异常病史。该实验通过了当地的伦理审查，且每个受试者都填写了书面知情同意书。实验通过采用带有八通道头部线圈接收器的GE Discovery MR7503.0T扫描仪上进行。所有受试者在实验期间或者结束后都没有出现呼吸急促、焦虑、嗜睡或头晕等症状。
本发明在开始采集数据前，使用MRI系统自带的高阶匀场序列对主磁场进行了匀场处理。之后分别采用非多回波非对称性自旋回波序列和三维FSPGR序列采集功能像和结构像。其中功能像具体参数包括：视野大小为260x 260mm2；矩阵大小为64x 64；重复时间(TR)为3000ms；以6毫米为一层共16层的非空隙间隔扫描全脑；并行加速因子为2；回波时间(TE)分别为：65，100，135，147.4，159.8和172.2ms。结构像具体参数包括：TR为6.6ms，TE为2.9ms；翻转角为12°，192个矢状切片，体素大小为1×1×1mm3。对于上述扫描参数的设置可以任意选取，这里只针对该代表性的较佳实施方案。
实验设计在两种不同的氧气状态下进行运动任务，即缺氧(12％氧气与氮气平衡)和常氧(21％氧气与氮气平衡)。气体通过非重复式呼吸面罩以15L/min的流速供应，并使用数字脉搏血氧仪从左手食指监测动脉血氧饱和度(SaO2)，在切换气体时进行大约5到7分钟的等待时间，使得达到稳定的SaO2。
运动任务使用区块设计范例进行，在任务开始前需要先进行12秒的空扫，使机器达到稳定状态，之后为任务和休息状态之间交替的五个区块，每个区块持续60秒，整个扫描总共耗时312秒。对于运动任务，受试者在1Hz的图片引导下进行右手抓握运动，在静息状态下，受试者被要求专注于黑屏上的“+”注视点。
对于每个受试者，丢弃在前12秒空扫所获得的数据。对于每个时间点，六个回波数据通过以下程序进行分析：
(1)使用一对关于自旋回波对称获得的梯度回波图像，根据单指数衰减模型估计R2；
(2)R2 *和自旋回波的信号强度由使用线性最小二乘曲线拟合最后四个梯度回波图像得到；
(3)R2′由计算公式R2′＝R2 *-R2得到；
(4)通过由步骤(2)计算得出的自旋回波信号强度与实际采集得到的自旋回波强度的对数之差，得到静脉血体积分数(fCBV)；
(5)根据Yablonskiy和Haacke模型，R2′与氧饱和分数Y的关系可写为：
Figure BDA0003192669390000051
其中，γ为旋磁比(＝2.675×108s-1T-1)；Δχ0为全含氧血红蛋白与全脱氧血红蛋白的磁敏感系数差(＝0.264ppm)，Hct为血红细胞比容分数(＝0.35)，B0为主磁场强度，fCBV为静脉血体积分数。
氧饱和分数Y使用动脉、毛细血管和静脉的加权平均进行估计，即：
Y＝ωa·Ya+ωc·Yc+ωv·Yv (2)
其中，ωa、ωc、ωv分别为动脉血体积分数、毛细血管体积分数和静脉血体积分数，Ya、Yc、Yv分别为动脉血氧饱和分数、毛细血管氧饱和分数和静脉血氧饱和分数。
具体通过假设毛细血管体积分数为0.4，并且根据Griffeth等人的研究，即毛细血管氧合分数由动脉和静脉氧合分数之间的加权确定：
Yc＝0.4·Ya+0.6·Yv (3)
将公式(3)带入公式(2)可得：
Y＝α·Ya+(1-α)·Yv (4)
其中，α＝ωa+0.16，ωa为动脉血体积分数(＝0.2)，ωv为静脉血体积分数(＝0.4)。
进一步地，静脉血氧饱和分数的计算公式为：
Yv＝Ya-OEF·Ya (5)
其中，Ya为SaO2/100。
进一步地，将公式(4)和(5)代入公式(1)，可计算得到OEF。
图1为在每种气体条件下的1Hz右手握拳运动任务下得到的两个典型受试者的OEF激活图。激活区域(圈出区域)是使用像素水平阈值为p<0.001以及团簇水平阈值为p<0.05的FWE校正定义显著激活区。从图中可以看出OEF激活区都集中在了左脑的运动区域，且低氧下的激活区域显著小于常氧条件下的激活区域(激活程度越高的区域颜色越浅)。这与其他研究结果保持一致。
图2为OEF激活的体素计数作为SaO2的函数图。其中轻度缺氧条件下的标准化体素计数值为轻度缺氧条件下的激活体素计数除以常氧条件下的激活体素计数。由于存在重叠，只提供了四个常氧数据点。所有受试者都包含在统计分析中，并且检测到OEF活动体素计数与SaO2水平变化之间的显著相关性(r＝0.617,P<0.001)，因此进一步说明动脉血氧饱和分数对OEF的贡献不可忽视，现有仅考虑静脉血氧饱和分数的计算是不全面的。
图3为OEF分别在只考虑静脉贡献和考虑三种血管(动脉、毛细血管和静脉)贡献下基线值(OEFbase)与激活值(OEFactive)。其中考虑三种血管贡献得到的OEF基线值与其他研究所报道的值更吻合(详见表1)，这表明考虑三种血管贡献得到的OEF值更接近于正确，此外，在考虑三种血管贡献时所得到的OEF基线值在常氧和缺氧条件下无显著性差异，而只考虑静脉血管贡献时所得到的OEF基线值却在常氧和缺氧条件下存在显著性差异。这进一步表明了我们所提出的方法(考虑三种血管贡献)提高了OEF的评估准确性和普适性。
表1
Figure BDA0003192669390000071
综上所述，本发明提供了一种基于多血管成分模型的OEF计算方法，该方法充分地考虑了脱氧血红蛋白所在血管对氧饱和分数的贡献，即动脉、毛细血管和静脉血管成分的贡献，使其更适用于由外界因素所引起的血氧变化，从而提高了OEF的普适性和正确性。为临床应用的开展提供了准确的评估模型，为疾病的治疗、评估和预测提供了计算基础。
虽然，上文中已经用一般性说明及具体实施方案对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。

Claims (10)

1.一种氧摄取分数的计算方法，其特征在于，包括对Yablonskiy和Haacke模型中的氧饱和分数采用动脉血管氧饱和分数、毛细血管氧饱和分数和静脉血管的氧饱和分数加权平均进行分析确认，所述毛细血管氧饱和分数由动脉血管氧饱和分数和静脉血管氧饱和分数之间的加权确定，将模型转化为只有动脉血管、静脉血管氧饱和分数的模型参数，利用OEF与动脉血管氧饱和分数、静脉血管氧饱和分数之间的关系重新建立MR信号与OEF之间的关系，计算OEF值。
2.如权利要求1所述的计算方法，其特征在于，所述Yablonskiy和Haacke模型中，R2′与氧饱和分数Y的关系为：
Figure FDA0003192669380000011
其中，γ为旋磁比；Δχ0为全含氧血红蛋白与全脱氧血红蛋白的磁敏感系数差，Hct为血红细胞比容分数，B0为主磁场强度，fCBV为静脉血体积分数。
3.如权利要求2所述的计算方法，其特征在于，所述γ＝2.675×108s-1T-1；所述Δχ0＝0.264ppm，所述Hct＝0.35。
4.如权利要求2所述的计算方法，其特征在于，氧饱和分数Y使用动脉、毛细血管和静脉的加权平均进行估计，即：
Y＝ωa·Ya+ωc·Yc+ωv·Yv (2)
其中，ωa、ωc、ωv分别为动脉血体积分数、毛细血管体积分数和静脉血体积分数，Ya、Yc、Yv分别为动脉血氧饱和分数、毛细血管氧饱和分数和静脉血氧饱和分数。
5.如权利要求4所述的计算方法，其特征在于，将毛细血管体积分数ωc设定为0.4，毛细血管氧饱和分数由动脉氧饱和分数和静脉氧饱和分数之间的加权确定：
Yc＝0.4·Ya+0.6·Yv (3)。
6.如权利要求5所述的计算方法，其特征在于，将公式(3)带入公式(2)可得：Y＝α·Ya+(1-α)·Yv (4)
其中，α＝ωa+0.16，ωa＝0.2，ωv＝0.4。
7.如权利要求3所述的计算方法，其特征在于，静脉血氧饱和分数的计算公式为：
Yv＝Ya-OEF·Ya (5)
其中，Ya为SaO2/100。
8.如权利要求1所述的计算方法，其特征在于，所述MR信号通过多回波非对称性自旋回波序列采集，并对采集的MR信号进行预处理。
9.如权利要求8所述的计算方法，其特征在于，所述预处理包括运动校正、图像配准以及高斯平滑。
10.如权利要求9所述的计算方法，其特征在于，所述预处理步骤后还包括对回波数据进行以下分析：
(1)使用一对关于自旋回波对称获取的梯度回波图像，根据单指数衰减模型计算MR信号衰减的不可逆部分的弛豫率R2的影响；
(2)将后四个梯度回波信号使用线性最小二乘曲线拟合得到R2 *和自旋回波信号强度；
(3)R2′由计算公式R2′＝R2 *-R2得到；
(4)通过由步骤(2)计算得出的自旋回波信号强度与实际采集得到的自旋回波强度的对数之差，得到静脉血体积分数fCBV。
CN202110882779.4A 2021-08-02 2021-08-02 一种氧摄取分数的计算方法 Pending CN113571188A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110882779.4A CN113571188A (zh) 2021-08-02 2021-08-02 一种氧摄取分数的计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110882779.4A CN113571188A (zh) 2021-08-02 2021-08-02 一种氧摄取分数的计算方法

Publications (1)

Publication Number Publication Date
CN113571188A true CN113571188A (zh) 2021-10-29

Family

ID=78170018

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110882779.4A Pending CN113571188A (zh) 2021-08-02 2021-08-02 一种氧摄取分数的计算方法

Country Status (1)

Country Link
CN (1) CN113571188A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100030062A1 (en) * 2008-03-31 2010-02-04 Bolar Divya S System and method to analyze blood parameters using magnetic resonance imaging
CN104490393A (zh) * 2014-12-17 2015-04-08 中国科学院深圳先进技术研究院 一种磁共振大脑血氧水平测量方法
CN104706354A (zh) * 2013-12-17 2015-06-17 北京大学 基于非对称自旋回波的氧摄取分数无创定量测量系统
US20190261906A1 (en) * 2016-11-07 2019-08-29 Hitachi, Ltd. Magnetic resonance imaging device and method for calculating oxygen extraction fractions
CN111096748A (zh) * 2019-12-19 2020-05-05 首都医科大学宣武医院 一种动态测量脑氧代谢率的方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100030062A1 (en) * 2008-03-31 2010-02-04 Bolar Divya S System and method to analyze blood parameters using magnetic resonance imaging
CN104706354A (zh) * 2013-12-17 2015-06-17 北京大学 基于非对称自旋回波的氧摄取分数无创定量测量系统
CN104490393A (zh) * 2014-12-17 2015-04-08 中国科学院深圳先进技术研究院 一种磁共振大脑血氧水平测量方法
US20190261906A1 (en) * 2016-11-07 2019-08-29 Hitachi, Ltd. Magnetic resonance imaging device and method for calculating oxygen extraction fractions
CN111096748A (zh) * 2019-12-19 2020-05-05 首都医科大学宣武医院 一种动态测量脑氧代谢率的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
VALERIE E.M. GRIFFETH: "A theoretical framework for estimating cerebral oxygen metabolism changes using the calibrated-BOLD method: Modeling the effects of blood volume distribution, hematocrit, oxygen extraction fraction, and tissue signal properties on the BOLD signal", 《NEUROIMAGE》, pages 198 - 212 *

Similar Documents

Publication Publication Date Title
Gauthier et al. Age dependence of hemodynamic response characteristics in human functional magnetic resonance imaging
Guidi et al. Lamina-dependent calibrated BOLD response in human primary motor cortex
Sasai et al. A NIRS–fMRI study of resting state network
Bright et al. Characterization of regional heterogeneity in cerebrovascular reactivity dynamics using novel hypocapnia task and BOLD fMRI
Rakow‐Penner et al. Detecting blood oxygen level‐dependent (BOLD) contrast in the breast
van Bussel et al. On the interplay of microvasculature, parenchyma, and memory in type 2 diabetes
Wood et al. Impact of long-term endurance training vs. guideline-based physical activity on brain structure in healthy aging
CN111096748B (zh) 一种动态测量脑氧代谢率的方法
US10912470B2 (en) System and method for tracking cerebral blood flow in fMRI
Wen et al. Free breathing three-dimensional cardiac quantitative susceptibility mapping for differential cardiac chamber blood oxygenation–initial validation in patients with cardiovascular disease inclusive of direct comparison to invasive catheterization
Ma et al. Cerebral OEF quantification: A comparison study between quantitative susceptibility mapping and dual‐gas calibrated BOLD imaging
Champagne et al. Multi-modal normalization of resting-state using local physiology reduces changes in functional connectivity patterns observed in mTBI patients
Geurts et al. Vascular reactivity in small cerebral perforating arteries with 7 T phase contrast MRI–A proof of concept study
Yew et al. Cerebrovascular reactivity deficits in cognitively unimpaired older adults: vasodilatory versus vasoconstrictive responses
Liu et al. Use of real-time phase-contrast MRI to quantify the effect of spontaneous breathing on the cerebral arteries
Callow et al. Microstructural plasticity in the hippocampus of healthy older adults after acute exercise
Hillier et al. Oxygenation-sensitive cardiac MRI with vasoactive breathing maneuvers for the non-invasive assessment of coronary microvascular dysfunction
Thompson et al. Generalized models for quantifying laterality using functional transcranial Doppler ultrasound
Mast et al. Dynamic MR imaging of cerebral perfusion during bicycling exercise
Liu et al. The effects of Free Breathing on cerebral venous Flow: a real-time phase contrast MRI study in healthy adults
CN113571188A (zh) 一种氧摄取分数的计算方法
US20240206808A1 (en) Magnetic resonance imaging device and method for precisely measuring cerebral oxygen metabolism
WO2023070865A1 (zh) 血管反应性的评价方法、装置、电子设备及存储介质
Fanea Reference 3 T MRI parameters of the normal human eye
Zong et al. In vivo detection of penetrating arteriole alterations in cerebral white matter in patients with diabetes with 7 T MRI

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination