NeuroNetFlow интерфейси графикии корбари кушодаасоси MATLAB мебошад, ки барои таҳлили динамикаи ҷараёни моеъи мағзи сару ҳароммағз, яъне BOS/CSF, аз додаҳои MRI-и контрасти фазавӣ (PC-MRI) ва арзёбии ҳамзамони онҳо бо сигналҳои физиологии нафаскашӣ ва дил таҳия шудааст. Маҷмӯаи абзорҳо коркарди тасвирҳои PC-MRI, сегментатсияи нимавтоматии минтақаи CSF, ислоҳи ROI-и зери назорати корбар, калибровкаи фазаи замина, ҳамоҳангсозии сигналҳои respiratory belt ва photoplethysmography (PPG), муайян кардани давраҳои нафаскашӣ ва дил, ҳисоб кардани суръати ҷараёни CSF ва displacement-и ҳаҷмӣ ва содироти хусусиятҳои миқдориро дар як меъмории модулии нармафзор муттаҳид мекунад.

Тамаркузи илмии NeuroNetFlow танҳо ҳисоб кардани он нест, ки CSF бо чӣ суръат ҷараён дорад. Система ҳадаф дорад таҳқиқ кунад, ки сигналҳои суръати CSF дар кадом муносибати вақтӣ бо oscillation-ҳои нафаскашӣ ва дил тағйир меёбанд. Бо муайян кардани peak ва valley дар сигнали нафаскашӣ, давраҳои inspiration ва expiration-ро ҷудо кардан мумкин аст; додаҳои суръати CSF метавонанд ба flow rate табдил дода шаванд ва бо integration-и вақтӣ displacement-и ҳаҷмӣ ҳисоб шавад. Ба воситаи spectral analysis ҷузъҳои нафаскашӣ ва дил алоҳида баррасӣ мешаванд. Аз сигнали PPG набзҳо ва қиматҳои inter-beat interval гирифта шуда, heart rate ҳисоб карда мешавад. Азбаски ҳамаи ин сигналҳо дар меҳвари умумии вақт намоиш дода мешаванд, муҳити муттаҳидаи таҳқиқотӣ барои омӯзиши якҷояи физиологияи cardio-respiratory ва динамикаи CSF фароҳам меояд.

Чаро моеъи мағзи сару ҳароммағз таҳқиқ мешавад?

Моеъи мағзи сару ҳароммағз яке аз ҷузъҳои муҳими сохтори физиологии системаи марказии асаб мебошад. Кори манбаъ таъкид мекунад, ки CSF ғайр аз вазифаҳои mechanical cushioning ва buoyancy, бо нигоҳдории chemical homeostasis ва хориҷ кардани metabolic waste аз мағз низ алоқаманд аст.

Гуфта мешавад, ки гардиши CSF муддати дароз асосан бо cardiac pulsations вобаста дониста мешуд, аммо таҳқиқоти солҳои охир нишон медиҳанд, ки respiration низ яке аз омилҳои муҳими ҳаракати CSF мебошад. Тағйирёбии respiration байни одамон ва имкони тағйир додани огоҳонаи он таҳқиқи ин механизмро боз ҳам ҷолибтар мегардонад.

Аз ин рӯ ҳадафи таҳияи NeuroNetFlow танҳо segment кардани минтақае дар тасвири MRI нест, балки арзёбии ҳаракати CSF, ки бо PC-MRI чен мешавад, дар як чорчӯбаи вақтӣ бо сабтҳои respiration ва cardiac мебошад.

Phase-contrast MRI чӣ медиҳад?

MRI-и контрасти фазавӣ усули imaging мебошад, ки имкон медиҳад маълумоти velocity-и вобаста ба flow ба таври миқдорӣ чен карда шавад. Кори манбаъ қайд мекунад, ки усулҳои velocity-encoding MRI бо resolution-и баланд имкон медиҳанд саҳми cardiac ва respiratory effects ба CSF flow мустақиман таҳқиқ карда шавад.

Профилҳои velocity-и ченшуда метавонанд дар минтақаҳои анатомӣ монанди foramen magnum, cerebral aqueduct ва lateral ventricles арзёбӣ шаванд. Ченкуниҳои velocity, ки аз ROI-based analysis ба даст меоянд, баъдан ба бузургиҳои аз ҷиҳати физиологӣ тафсиршаванда табдил дода мешаванд.

Мушкилоти ҷараёни кори мавҷуда чӣ буд?

Мувофиқи кори манбаъ, гарчанде барои segment кардани CSF бо PC-MRI алгоритмҳои гуногун мавҷуданд, маҳдуд будани муҳитҳои GUI-и кушодаасос, ки додаҳои PC-MRI-ро ба осонӣ бо сабтҳои physiological монанди respiration ва PPG муттаҳид мекунанд, метавонад муҳаққиқонро ба manual coding ва masking барад.

Ин ҳолат танҳо талафи вақт эҷод намекунад; иҷро шудани image segmentation, calibration, physiological signal matching ва feature extraction дар абзорҳои гуногун метавонад standardization ва reproducibility-и равандҳоро низ душвор созад.

NeuroNetFlow ҳадаф дорад ин раванди парокандаро дар зери як интерфейси асосёфта ба MATLAB муттаҳид кунад.

Меъмории нармафзор чӣ гуна сохта шудааст?

Дар Шакли 1-и манбаъ NeuroNetFlow ба се ҷузъи асосӣ тақсим мешавад:

1. Main Control Interface
2. Image Processing
3. Signal Analysis

Маҷмӯаи абзорҳо ба таври модулӣ тарҳрезӣ шудааст. Ҳар модул метавонад мустақилона иҷро шавад ё тамоми занҷир аз оғоз то анҷом гузаронида шавад. Натиҷаҳои миёнаравии standardised интиқоли додаҳоро байни модулҳо таъмин мекунанд.

Ин меъморӣ, масалан, ба муҳаққиқе, ки PC-MRI images-и ӯ қаблан коркард шудаанд, имкон медиҳад бе иҷрои дубораи image processing танҳо Signal Analysis module-ро истифода барад.

Main Control Interface чӣ кор мекунад?

Интерфейси асосии идоракунӣ марказест, ки тамоми системаро идора мекунад. Дар кори манбаъ чор вазифаи асосӣ нишон дода шудаанд:

• бор кардани PC-MRI data,
• танзим кардани processing parameters,
• оғоз кардани image processing ва signal analysis workflows,
• real-time logging-и results ва processing records.

Нигоҳ доштани доимии log records барои debugging, quality control ва дастгирии reproducibility пешбинӣ шудааст.

Image Processing module CSF-ро чӣ гуна меёбад?

Image Processing module PC-MRI phase images-ро мегирад ва барои муайян кардани минтақаҳои эҳтимолии CSF automatic segmentation-ро татбиқ мекунад. Фарзи асосӣ ин аст, ки CSF flow signal ҷузъҳои вобаста ба cardiac oscillation дорад.

Дар Шакли 3-и манбаъ корбар бо mouse як 64 × 64 bounding box муайян мекунад. Пас аз ин algorithm voxel-ҳоеро, ки cardiac CSF signal features доранд, муайян карда initial binary mask-ро месозад.

Аммо муаллифон эътироф мекунанд, ки automatic segmentation дар ҳама ҳолат perfect нахоҳад буд. Аз ин рӯ mask-и аввал ҳамчун натиҷаи ҳатмии final қабул намешавад.

Semi-automatic ROI correction чӣ гуна анҷом дода мешавад?

Вақте корбар функсияи “Analysis Masked Signal”-ро мекушояд, signal-ҳои вақтии voxel-level ва ROI average дар як муҳит баррасӣ мешаванд.

Корбар вобаста ба temporal signal quality ва physiological appropriateness метавонад voxel-ҳоро ба mask илова кунад ё аз mask хориҷ кунад. Дар қисми поёнии рости Шакли 3 пас аз ин user intervention mask-и таҳриршудаи foramen magnum нишон дода шудааст.

Аз ин рӯ NeuroNetFlow segmentation-ро комилан ҳамчун “black box”-и automatic иҷро намекунад. Он automatic candidate selection-ро бо visual/signal validation-и коршинос муттаҳид мекунад.

Хатои background phase-и B₀ чӣ гуна ислоҳ мешавад?

Дар ҳисобҳои PC-MRI velocity background phase shifts, ки аз flow-и воқеӣ нестанд, метавонанд ба measurement таъсир расонанд. Кори манбаъ махсусан phase offsets-и вобаста ба B₀ field inhomogeneity-ро зикр мекунад.

Дар NeuroNetFlow корбар stationary tissue regions-ро, ки flow-и воқеӣ надошта ҳисоб мешаванд, manually муайян мекунад. Ин минтақаҳо барои тахмини background phase trend истифода шуда, ҷузъи тахминшуда аз тамоми PC-MRI dataset хориҷ карда мешавад.

Ҳадаф кам кардани ҷузъи CSF velocity measurement мебошад, ки аз background phase bias ба вуҷуд меояд.

Respiration ва PPG data бо MRI чӣ гуна муттаҳид мешаванд?

Image Processing module бор кардани external physiological recordings ва temporal alignment-и онҳоро бо PC-MRI acquisition дастгирӣ мекунад.

Ду signal-и асосии physiological, ки дар таҳқиқот истифода шудаанд:

• Respiratory belt: temporal tracking-и respiratory movement,
• PPG: гирифтани cardiac pulsation ва heart-rate information.

Calibrated CSF signal ва aligned physiological recordings ҳамчун standardised preprocessed dataset сабт мешаванд. Signal Analysis module мустақиман ҳамин intermediate output-ро истифода мебарад.

Respiration peak ва valley чӣ гуна муайян мешаванд?

Respiration analysis ду марҳила дорад.

Марҳилаи якум: optimization-и frequency band. Корбар band-pass filter-и мувофиқро ба таври iterative интихоб мекунад, то respiratory trend нигоҳ дошта шуда, noise фурӯ нишонда шавад. Манбаъ қайд мекунад, ки ин муҳим аст, зеро raw respiration recordings метавонанд irregular breathing patterns ва motion artifacts дошта бошанд.

Марҳилаи дуюм: peak ва valley detection. Дар signal-и filtered automatic peak and valley detection татбиқ мешавад. Агар algorithm кофӣ набошад, корбар detection points-ро бо mouse manually ислоҳ карда метавонад.

Ин markers баъдан ҳамчун time reference-и respiration cycles истифода мешаванд.

Inhalation ва exhalation ба CSF analysis чӣ гуна дохил мешаванд?

Respiration markers-и муайяншуда барои ҷудо кардани CSF velocity profile ба inspiration ва expiration phases истифода мешаванд.

Дар байни таҳлилҳои дар манбаъ ҳисобшаванда:

• ҷудо кардани inhalation ва exhalation phases,
• phase-specific integrals,
• summary statistics,
• quantification-и respiration-dependent CSF flow behavior

мавҷуданд.

CSF velocity signal ба flow rate табдил дода мешавад ва integration-и flow нисбат ба вақт барои ҳисоб кардани volume displacement истифода мешавад.

Ҷузъҳои cardiac ва respiratory чӣ гуна ҷудо мешаванд?

NeuroNetFlow барои таҳқиқи frequency content-и CSF signal spectral analysis истифода мебарад. Маҷмӯаи абзорҳо дар frequency bands-и пешакӣ муайяншудаи respiration ва cardiac area-under-the-curve, яъне AUC measurements-ро хориҷ мекунад.

Илова бар ин, манбаъ мегӯяд, ки spectral descriptors монанди:

• power variability,
• half-power bandwidth

низ ҳисоб мешаванд.

Ин таҳлил ҳадаф дорад тағйироти CSF дар time domain-ро аз ҷиҳати frequency components-и вобаста ба respiration ва cardiac oscillations алоҳида баррасӣ кунад.

Аз PPG кадом қиматҳо гирифта мешаванд?

Дар signal-и PPG низ peak detection татбиқ мешавад. Аз фосилаҳои байни consecutive beats inter-beat interval (IBI) ҳисоб шуда, аз онҳо heart rate бо BPM ба даст меояд.

Манбаъ ду frequency band-ро ба таври возеҳ медиҳад:

Ин ҷузъҳо дар манбаъ дар доираи autonomic characterization истифода мешаванд.

Дар дохили як breathing cycle чиро таҳқиқ кардан мумкин аст?

NeuroNetFlow ба ҷойи мустақим overlay кардани respiration cycles-и дорои давомнокии гуногун метавонад ҳар cycle-ро ба %0–100 respiration phase normalize кунад.

Сипас cycle-ҳо average карда шуда, як representative respiration cycle сохта мешавад. Аз ин profile maximum ва minimum values ва вақти relative дар respiration cycle, ки ин extrema ба вуҷуд меоянд, гирифта мешаванд.

Дар Шакли 4-и манбаъ ва expanded GUI image-и саҳифаи 16-и PDF якчанд synchronized curves мавҷуданд, ки тағйироти CSF ва cardiac signals-ро дар дохили ҳамон respiration cycle нишон медиҳанд.

Signal Analysis screen чиро нишон медиҳад?

Шакли 4-и манбаъ экрани дорои зичтарин иттилоот дар нармафзор аст. Дар як interface:

• CSF velocity signal,
• respiration belt signal,
• PPG signal,
• PPG peak/valley detection,
• filtered respiration signal,
• respiratory spectrum,
• inhalation/exhalation periods,
• CSF integrals,
• volume displacement,
• heart-rate components,
• signals normalized to a single respiration cycle

якҷоя намоиш дода мешаванд.

Бартарии асосии ин screen имкони муқоисаи temporal тағйироти як signal бо physiological recordings-и дигар мебошад.

Натиҷаҳо дар кадом format сабт мешаванд?

Signals-и коркардшуда ва extracted features метавонанд дар MATLAB .mat format нигоҳ дошта шаванд. Predefined quantitative features ҳамчунин ба structured tables табдил дода шуда, дар .xlsx format содир мешаванд.

Манбаъ қайд мекунад, ки ин structured outputs барои дастгирии subsequent statistical analyses монанди group comparisons, correlation and regression models ва longitudinal studies тарҳрезӣ шудаанд.

Оё NeuroNetFlow қаблан дар таҳқиқоти воқеӣ истифода шудааст?

Ин software paper қайд мекунад, ки algorithms-и NeuroNetFlow дар як таҳқиқоти қаблан нашршуда истифода шудаанд. Дар кори қаблие, ки манбаъ ба он истинод мекунад, гуфта мешавад, ки дар иштирокчиёни дорои ва бе long-term breathing training хусусиятҳое монанди CSF mean velocity, displacement ва net flow quantified шудаанд.

Натиҷаҳои он таҳқиқоти қаблӣ натиҷаи нави эксперименталии software paper-и NeuroNetFlow нестанд. Кори ҷорӣ асосан software architecture, modules ва sample workflow-ро тавсиф мекунад.

Маҳдудияти муҳими техникии нармафзор чист?

Ҷадвали metadata-и манбаъ барои current v1.0 version маҳдудияти compatibility-ро хеле равшан муайян мекунад:

NeuroNetFlow v1.0 махсус барои phase-contrast MRI data-и аз Philips scanners гирифташуда optimize шудааст ва ҳамчун compatible бо ҳамин data муайян шудааст.

Аз ин рӯ аз таҳқиқот хулоса кардан мумкин нест, ки MRI formats-и manufacturer-ҳои дигар бе ягон adaptation кор хоҳанд кард.

Аз нигоҳи Туркия чӣ маъно дорад?

Таҳқиқот дар Mayo Clinic таҳия шудааст ва MRI center, patient group ё local dataset-и Туркияро дар бар намегирад. Аз ин рӯ performance-и NeuroNetFlow дар devices ё clinical workflows-и Туркия аз ин таҳқиқот бароварда намешавад.

Хусусан compatibility limit-и current v1.0 version барои Philips PC-MRI data талаб мекунад, ки MRI device ва data format-и дар Туркия истифодашаванда пеш аз implementation санҷида шаванд. Манбаъ барои data-и manufacturer-ҳои дигар validated compatibility пешниҳод намекунад.

Таҳқиқот чӣ мегӯяд ва чӣ намегӯяд?

Натиҷаҳое, ки таҳқиқот дастгирӣ мекунад

• NeuroNetFlow маҷмӯаи абзорҳои GUI-controlled, open-source ва MATLAB-based барои CSF analysis мебошад.
• PC-MRI image processing-ро бо respiration ва PPG signal analysis дар як система муттаҳид мекунад.
• CSF ROI segmentation initial automatic mask ва semi-automatic correction-и корбарро якҷоя истифода мебарад.
• Calibration-и B₀-related background phase trends бо истифода аз stationary tissue regions дастгирӣ мешавад.
• CSF signals метавонанд temporally бо respiration ва PPG data align шаванд.
• Inhalation- ва exhalation-specific CSF features метавонанд хориҷ карда шаванд.
• CSF flow rate ва volume displacement ҳисоб мешаванд.
• Respiratory ва cardiac frequency components метавонанд spectrally таҳқиқ шаванд.
• Аз PPG IBI ва heart rate гирифта мешаванд.
• Respiration cycles метавонанд ба %0–100 phase scale normalize шаванд.
• Натиҷаҳо дар MAT ва XLSX formats содир мешаванд.

Натиҷаҳое, ки таҳқиқот дастгирӣ намекунад

• Ин таҳқиқот нишон намедиҳад, ки NeuroNetFlow ҳамчун clinical diagnostic tool validate шудааст.
• Нишон дода нашудааст, ки software neurodegenerative disease diagnosis мегузорад ё treatment efficacy-ро муайян мекунад.
• Дар ин software paper quantitative accuracy ё runtime benchmark нисбат ба дигар CSF analysis software пешниҳод нашудааст.
• Даъво карда намешавад, ки ROI segmentation дар ҳамаи data пурра automatic ва error-free аст.
• Муносибати respiration ва CSF танҳо бо истифодаи NeuroNetFlow software ба таври causal исбот намешавад.
• Нишон дода нашудааст, ки current version бо PC-MRI data-и ҳамаи MRI manufacturers compatible аст.
• Structural MRI, arterial ва venous analysis features-и барои future пешниҳодшуда completed features-и current v1.0 нестанд.

Усул ва натиҷаҳои таҳқиқот

Ҳувияти техникии нармафзор

Меъмории сеқабата

Data flow-и нишон додаи Шакли 1

Дар Шакли 1-и манбаъ phase image input аввал ба ROI segmentation window равона мешавад. Пас аз сохтани initial ROI mask, visual ва temporal evaluation-и ROI дар муҳити Analysis Masked Signal анҷом дода мешавад.

Дар ҳамон module calibration windows ва physiological data alignment component мавҷуд аст. Дар натиҷа preprocessed dataset ҳамчун файли .mat ба Signal Analysis module интиқол дода мешавад.

Дар тарафи Signal Analysis respiration ва PPG peak/valley detection, CSF processing дар дохили respiration cycle ва visualization иҷро мешаванд. Final outputs processed MAT dataset ва MAT/XLSX feature tables мебошанд.

GUI-и воқеии нишон додаи Шакли 2

Дар саҳифаи 7-и PDF, Шакли 2 се software screen-ро болои ҳам нишон медиҳад. Дар боло Main Control Window-и одӣ, дар миёна Image Processing screen бо image ва ROI panels, ва дар поён Signal Analysis window бо time series ва peak/valley controls-и зиёд ҷойгир аст.

Ин тасвир нишон медиҳад, ки modular architecture танҳо conceptual diagram нест, балки ҳамчун separate MATLAB GUI windows татбиқ шудааст.

Шакли 3: сохтани CSF ROI дар дохили минтақаи 64 × 64

Дар намунаи саҳифаи 9-и PDF initial ROI аз дохили 64 × 64 boundary box, ки корбар муайян кардааст, гирифта мешавад. Дар panels-и поёнии ҳамон figure calibration ва “Sudo ROI segmentation & Align physiology data” windows ҷойгиранд.

Азбаски time series низ дар ин screens мустақим намоиш дода мешаванд, корбар ROI editing-ро на танҳо бо нигоҳ ба anatomical mask, балки бо арзёбии temporal behavior-и voxel анҷом медиҳад.

Шакли 4: simultaneous cardio-respiratory analysis

Дар саҳифаи 10-и PDF, Шакли 4 ва expanded image дар саҳифаи 16 output density-и воқеии Signal Analysis module-и NeuroNetFlow-ро нишон медиҳанд.

Дар як workspace respiration signal, PPG, CSF velocity, filtered components, spectra, inhalation/exhalation periods, phase integrals ва profiles normalized to a single respiration cycle якҷоя намоиш дода мешаванд.

Ин combined visualization ба scientific design-и асосии software мувофиқ аст: таҳлили CSF signal на ҳамчун як time series-и ҷудо аз physiological systems-и дигар, балки synchronized бо respiration ва cardiac motion.

Дар ин таҳқиқот кадом навъи validation иҷро шудааст?

Мақола function-ҳои software-ро бо operational examples нишон медиҳад; ҳамчунин қайд мекунад, ки algorithms-и истифодашуда дар CSF research-и қаблан peer-reviewed истифода шудаанд. Бо вуҷуди ин, дар software paper-и ҷорӣ:

• inter-method error table,
• segmentation Dice score,
• intra/inter-rater reliability,
• direct accuracy comparison бо software-и дигар,
• runtime benchmark

гузориш нашудаанд.

Аз ин рӯ барои performance-и NeuroNetFlow “accuracy percentage”-е, ки дар манбаъ вуҷуд надорад, сохтан мумкин нест.

Рушдҳои ояндаи банақшагирифташуда

Кори манбаъ integration-и наздиктар бо high-resolution structural MRI-ро ҳамчун самти эҳтимолии future development нишон медиҳад. Current version direct merge ё overlay feature бо structural MRI-ро дастгирӣ намекунад.

Ҳамчунин пешниҳод мешавад, ки дар оянда бо илова кардани arterial ва venous signal detection algorithms муносибати CSF ва cerebrovascular motion ҳамаҷонибатар таҳқиқ шавад.

Инҳо features-и мавҷудаи v1.0 нестанд, балки future development goals-и дар таҳқиқот нишон додашуда мебошанд.

Ёддошт оид ба манбаъ ва усул

Номи пурраи аслии кор: NeuroNetFlow: A MATLAB-based software toolbox for analyzing flow dynamics based on phase-contrast MRI

Муаллифон ва тартиби аслӣ: Seokbeen Lim; Marin E. Nycklemoe; David N. Jacobson; Daniel C. Kim; Daehun Kang; Pragalv Karki; Val J. Lowe; Petrice M. Cogswell; Paul H. Min.

Саҳми баробар: Манбаъ ба таври возеҳ мегӯяд, ки Seokbeen Lim ва Marin E. Nycklemoe ба кор саҳми баробар гузоштаанд.

Назорати муштарак: PDF бо аломати ситора нишон медиҳад, ки Seokbeen Lim ва Petrice M. Cogswell корро якҷоя роҳбарӣ кардаанд ва contact information-и ҳар дуро медиҳад. SSRN record ҳамчунин Seokbeen Lim-ро ҳамчун “Contact Author” нишон медиҳад.

Муассисаҳо: Department of Radiology, Mayo Clinic, Rochester, Minnesota, USA; дар шакли навишташуда дар манбаъ Department of Radiology Oncology, Mayo Clinic, Rochester, Minnesota, USA; Department of Physiology and Biomedical Engineering, Mayo Clinic, Rochester, Minnesota, USA.

Навъи манбаъ: Таҳқиқоти software-и илмии open-source дар асоси MATLAB ва methodology-и biomedical imaging/signal analysis.

Вазъи нашр: Ин кор SSRN preprint-и peer-reviewed нашуда мебошад; натиҷаҳо бояд бо дарназардошти ин марҳилаи нашр арзёбӣ шаванд.

Платформа: SSRN.

SSRN abstract number: 6225926.

DOI: 10.2139/ssrn.6225926.

Санаи нашри SSRN: 18 феврали 2026.

Версияи peer-reviewed: Дар bibliographic check то 24 августи 2026 version-и алоҳидаи peer-reviewed journal бо ҳамон title тасдиқ нашудааст.

Нармафзор: NeuroNetFlow v1.0.

Муҳити барномасозӣ: MATLAB.

Талабот: MATLAB R2023b ё version-и навтар.

Operating system: Windows 10/11 ва macOS.

Version control system: Git.

Software license: MIT License.

Source code repository: https://github.com/SeokbeenLim/NeuroNetFlow.git

Hardware/data compatibility: Ҷадвали metadata-и манбаъ қайд мекунад, ки current version махсус барои phase-contrast MRI data-и аз Philips scanners гирифташуда optimize шудааст ва танҳо бо ҳамин data compatible аст.

Reproducible capsule: Дар metadata table-и манбаъ ҳамчун N/A нишон дода шудааст.

Sample data: Қайд мешавад, ки sample datasets-и барои намоиши software functions истифодашуда дар project GitHub repository public мебошанд. Илова бар ин навишта шудааст, ки supporting data-и findings-и таҳқиқот метавонанд бо reasonable request аз corresponding author гирифта шаванд.

Бархӯрди манфиатҳо: Муаллифон изҳор мекунанд, ки financial interests ё personal relationships-и маълум, ки метавонанд ба таҳқиқот таъсир расонанд, вуҷуд надоранд.

Funding/Acknowledgements: Дар манбаъ funding section-и алоҳида вуҷуд надорад ва муаллифон ифодаи “no acknowledgements to declare”-ро истифода мебаранд.

Изҳороти generative artificial intelligence: Муаллифон мегӯянд, ки ҳангоми омода кардани мақола барои беҳтар кардани readability ва language-и матн ChatGPT истифода шудааст; баъдан онҳо content-ро review ва edit карда, responsibility-и пурра барои final content-ро ба зимма гирифтаанд.

CRediT — Seokbeen Lim: Writing – original draft, Software, Methodology, Conceptualization, Supervision.

CRediT — Marin E. Nycklemoe: Writing – original draft, Software, Methodology.

CRediT — David N. Jacobson: Writing – review & editing, Software.

CRediT — Daniel C. Kim: Writing – review & editing.

CRediT — Daehun Kang: Validation, Software, Methodology.

CRediT — Pragalv Karki: Validation, Software.

CRediT — Val J. Lowe: Writing – review & editing, Conceptualization.

CRediT — Petrice M. Cogswell: Writing – review & editing, Conceptualization, Supervision.

CRediT — Paul H. Min: Writing – review & editing, Software, Methodology, Conceptualization.

Ёддошти affiliation-и дохили манбаъ: Муассисаи дуюм дар PDF ҳамчун “Department of Radiology Oncology” навишта шудааст. Ифодаи аслии манбаъ бе шарҳ ба номи дигари department табдил дода нашудааст.

Маҳдудияти методологӣ: Мақола software architecture-и NeuroNetFlow ва operational usage examples-ро пешниҳод мекунад; аммо дар current study quantitative accuracy, segmentation performance ё runtime benchmark бо software-и дигар гузориш нашудааст.

Ҳудуди илмӣ: Нармафзор research tool барои quantification-и CSF dynamics мебошад. Ин таҳқиқот NeuroNetFlow-ро ҳамчун clinical diagnostic system, treatment system ё validated medical device, ки neurodegenerative diseases-ро мустақим муайян мекунад, пешниҳод намекунад.

Ҳудуди мундариҷаи илмӣ: CSF physiology context, NeuroNetFlow architecture, segmentation, calibration, respiration/PPG analysis, output features, software requirements, visual interfaces ва future development goals-и ин мақолаи Verianla ба кори боршуда асос меёбанд. External sources танҳо барои bibliographic verification-и DOI, SSRN date, author identity ва current publication status истифода шудаанд.