NeuroNetFlow fazali-kontrastli magnit-rezonans tasvirlash (PC-MRI) ma’lumotlaridan miya-orqa miya suyuqligi, ya’ni BOS/CSF oqimi dinamikasini tahlil qilish va bu ma’lumotlarni nafas olish hamda yurak fiziologik signallari bilan bir vaqtda baholash uchun ishlab chiqilgan MATLAB asosidagi ochiq kodli grafik foydalanuvchi interfeysidir. Araç kutusu PC-MRI görüntü qayta ishlash, yarı otomatik CSF bölge segmentasyonu, kullanıcı kontrollü ROI tuzatishi, arka plan faz kalibrlashi, nafas olish kemeri ve fotopletismografi (PPG) sinyallerinin senkronizasyonu, nafas olish ve kalp döngülerinin belirlenmesi, CSF oqim hızı ve hajm deplasmanı hesaplamaları ile nicel özelliklerin dışa aktarılmasını tek bir modüler yazılım mimarisinde birleştirmektedir.

NeuroNetFlow dasturining ilmiy yo‘nalishi faqat CSF qanchalik tez oqishini hisoblashdan iborat emas. Sistem, CSF tezlik sinyallerinin nafas olish ve yurak salınımlarla qaysi zaman ilişkisi içerisinde değiştiğini incelemeyi hedeflemektedir. Solunum sinyalinde tepe ve çukur noktaları belirlenerek inspirasyon ve ekspirasyon dönemleri ayrılabilir; CSF tezlik ma’lumotlarni oqim hızına dönüştürülebilir ve zamansal integrasyonla hajm deplasmanı hesaplanabilir. Spektral tahlil sayesinde solunumsal ve yurak bileşenler shuningdek incelenebilir. PPG sinyalinden kalp atımları ve inter-beat interval değerleri çıkarılarak kalp hızı hesaplanabilir. Bütün bu signallar ortak zaman ekseninde görüntülenebildiği için kardiyo-solunumsal fizyoloji ile CSF dinamiklerinin birlikte incelenmesine yönelik bütünleşik bir araştırma ortamı sağlanmaktadır.

Miya-orqa miya suyuqligi nima uchun o‘rganiladi?

Miya-orqa miya suyuqligi markaziy asab tizimi fiziologik tuzilishining muhim tarkibiy qismlaridan biridir. Kaynak tadqiqot CSF'nin mekanik tamponlama ve yüzdürme işlevlerinin yanında kimyasal homeostazın korunması ve metabolik atıkların beyinden uzaklaştırılmasıyla ilişkili olduğunu vurgulamaktadır.

CSF dolaşımının uzun süre ağırlıklı olarak yurak pulsasyonlarla ilişkilendirildiği, biroq son dönem çalışmalarının solunumun da CSF hareketinin muhim sürücülerinden biri olduğunu gösterdiği aktarılmaktadır. Solunumun bireyler o‘rtasida değişmesi ve bilinçli biçimde modifiye edilebilmesi, bu mekanizmanın araştırılmasını shuningdek ilgi çekici hâle getirmektedir.

NeuroNetFlow'un geliştirilme amacı bu nedenle yalnız MRI görüntüsündeki bir bölgeyi segmentlemek emas, PC-MRI ile ölçülen CSF hareketini nafas olish ve yurak kayıtlarla aynı zaman çerçevesinde değerlendirmektir.

Fazali-kontrastli MRI nimani ta’minlaydi?

Faz kontrastlı MRI, akışla ilişkili tezlik bilgisinin nicel olarak ölçülmesine olanak sağlayan tasvirlash yaklaşımıdır. Kaynak tadqiqot yüksek çözünürlüklü velocity-encoding MRI yöntemlerinin yurak ve solunumsal etkilerin CSF akışına katkısını doğrudan incelemeye imkân verdiğini belirtmektedir.

Ölçülen tezlik profilleri foramen magnum, serebral akuadukt ve lateral ventriküller kabi anatomik bölgelerde değerlendirilebilir. ROI tabanlı analizden elde edilen tezlik ölçümleri yanada so‘ng fiziologik olarak yorumlanabilir büyüklüklere dönüştürülebilir.

Mavjud ish jarayonida muammo nimada edi?

Kaynak çalışmaya göre PC-MRI ile CSF segmentasyonu için çeşitli algoritmalar bulunmasına rağmen PC-MRI verisini nafas olish ve PPG kabi fiziologik kayıtlarla kolay biçimde birleştiren ochiq kodli GUI ortamlarının sınırlı olması, araştırmacıları manuel kodlama ve maskeleme işlemlerine yöneltebilmektedir.

Bu durum yalnız zaman kaybı yaratmaz; görüntü segmentasyonu, kalibrasyon, fiziologik signal eşleştirme ve özellik çıkarımının farklı araçlarda yapılması işlemlerin standartlaştırılmasını ve yeniden üretilebilirliğini de zorlaştırabilir.

NeuroNetFlow bu parçalı süreci MATLAB tabanlı tek arayüz ostida birleştirmeyi amaçlamaktadır.

Dasturiy ta’minot arxitekturasi qanday qurilgan?

Kaynağın Şekil 1'inde NeuroNetFlow üç temel bileşene ayrılmaktadır:

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

Araç kutusu modüler olarak tasarlanmıştır. Her modul bağımsız biçimde çalıştırılabilir yoki bütün zincir uçtan uca yürütülebilir. Standartlaştırılmış ara çıktılar modüller o‘rtasida ma’lumot aktarımını ta’minlaydi.

Bu mimari, örneğin PC-MRI görüntüleri yanada avval işlenmiş bir araştırmacının görüntü qayta ishlash basamağını yeniden çalıştırmadan yalnız Signal Analysis modülünü kullanabilmesine olanak verecek tarzda tasarlanmıştır.

Main Control Interface nima qiladi?

Ana kontrol arayüzü bütün sistemi yöneten merkezdir. Kaynak çalışmada dört temel işlev qayd etiladi:

• PC-MRI verilerinin yüklenmesi,
• qayta ishlash parametrelerinin yapılandırılması,
• görüntü qayta ishlash ve signal analizi iş akışlarının başlatılması,
• sonuçların ve işlem kayıtlarının gerçek zamanlı olarak loglanması.

Log kayıtlarının sürekli tutulması hata ayıklama, kalite kontrol ve yeniden üretilebilirliğin desteklenmesi amacı taşımaktadır.

Image Processing moduli CSFni qanday topadi?

Image Processing moduli PC-MRI faz görüntülerini alır ve potansiyel CSF bölgelerini belirlemek için otomatik segmentasyon uygular. Temel varsayım, CSF oqim sinyalinin yurak salınımla ilişkili bileşenler içermesidir.

Kaynağın Şekil 3'ünde kullanıcı fareyle bir 64 × 64 sınır kutusu tanımlamaktadır. Bu işlemden so‘ng algoritma yurak CSF signal özellikleri taşıyan voxel'leri belirleyerek başlangıç binary maskesini üretir.

Ancak yazarlar otomatik segmentasyonun her durumda kusursuz olmayacağını kabul etmektedir. Bu nedenle ilk maske nihai natija olarak zorunlu kabul edilmez.

Yarim avtomatik ROI tuzatishi qanday bajariladi?

Kullanıcı “Analysis Masked Signal” işlevini açtığında voxel düzeyindeki zaman sinyalleri ile ROI ortalaması aynı ortamda incelenebilir.

Kullanıcı zamansal signal kalitesine ve fiziologik uygunluğa göre voxel'leri maskeye ekleyebilir yoki maskeden çıkarabilir. Şekil 3'ün alt sağ bölümünde bu kullanıcı müdahalesinden so‘ng düzenlenmiş bir foramen magnum maskesi gösterilmektedir.

Dolayısıyla NeuroNetFlow segmentasyonu bütünüyle otomatik bir “kara kutu” biçiminde gerçekleştirmemektedir. Otomatik aday belirleme ile uzman tarafından yapılan görsel/signal doğrulamasını birleştirmektedir.

B₀ fon fazasi xatosi qanday tuzatiladi?

PC-MRI tezlik hesaplamalarında gerçek akıştan kaynaklanmayan arka plan faz kaymaları ölçümü etkileyebilir. Kaynak tadqiqot ayniqsa B₀ alan homojensizliğine bağlı faz ofsetlerinden söz etmektedir.

NeuroNetFlow'da kullanıcı gerçek oqim bulunmadığı kabul edilen sabit doku bölgelerini manuel olarak belirler. Bu bölgeler arka plan faz eğilimini tahmin etmek için kullanılır ve tahmin edilen bileşen barcha PC-MRI ma’lumot kümesinden çıkarılır.

Amaç CSF tezlik ölçümünün arka plan faz sapmasından kaynaklanan bileşenini azaltmaktır.

Nafas olish va PPG ma’lumotlari MRI bilan qanday birlashtiriladi?

Image Processing moduli harici fiziologik kayıtların yüklenmesini ve PC-MRI edinimiyle zamansal olarak hizalanmasını desteklemektedir.

Çalışmada kullanılan iki temel fiziologik signal:

• Respiratory belt: nafas olish hareketinin zamansal takibi,
• PPG: yurak pulsasyon ve kalp hızı bilgisinin çıkarılması.

Kalibre edilmiş CSF sinyali ve hizalanmış fiziologik kayıtlar standartlaştırılmış bir preprocessed dataset olarak kaydedilir. Signal Analysis moduli doğrudan bu ara çıktıyı kullanır.

Nafas olish cho‘qqilari va botiqlari qanday aniqlanadi?

Solunum analizi iki aşamalıdır.

Birinci aşama: frekans bandı optimizasyonu. Kullanıcı nafas olish eğilimini korurken gürültüyü bastıracak uygun band-pass filtresini iteratif olarak seçer. Kaynak bunun muhim olduğunu, çünkü ham nafas olish kayıtlarının düzensiz nefes örüntüleri ve hareket artefaktları içerebileceğini belirtmektedir.

İkinci aşama: peak ve valley detection. Filtrelenmiş signal ustida otomatik tepe ve çukur algılama uygulanır. Algoritma yeterli değilse kullanıcı tespit noktalarını fareyle manuel olarak düzeltebilir.

Bu işaretler yanada so‘ng nafas olish döngülerinin zaman referansı olarak kullanılır.

Inhalatsiya va ekshalatsiya CSF tahliliga qanday kiritiladi?

Belirlenen nafas olish işaretleri CSF tezlik profilini inspirasyon ve ekspirasyon fazlarına ayırmak için kullanılır.

Kaynakta hesaplanan analizler o‘rtasida:

• inhalasyon ve ekshalasyon fazlarının ayrılması,
• fazlara özgü integraller,
• özet istatistikler,
• solunuma bağlı CSF oqim davranışının nicelleştirilmesi

mavjud.

CSF tezlik sinyali oqim hızına aylantiriladi ve akışın zamana göre integrasyonu hajm deplasmanının hesaplanmasında kullanılır.

Yurak va nafas olish komponentlari qanday ajratiladi?

NeuroNetFlow CSF sinyalinin frekans içeriğini incelemek için spektral tahlil kullanmaktadır. Araç kutusu nafas olish ve yurak frekans bileşenlerine ait önceden belirlenmiş bantlarda area-under-the-curve, yani AUC ölçümleri çıkarabilmektedir.

Bunlara ek olarak manba:

• power variability,
• half-power bandwidth

kabi spektral tanımlayıcıların da hesaplandığını belirtmektedir.

Bu tahlil, zaman alanındaki CSF değişimini nafas olish ve yurak salınımlarla ilişkili frekans bileşenleri açısından ayrı ayrı incelemeyi amaçlamaktadır.

PPGdan qaysi qiymatlar chiqariladi?

PPG sinyalinde de tepe algılama uygulanır. Ardışık atımlar arasındaki sürelerden inter-beat interval (IBI) hesaplanır ve bunlardan kalp hızı BPM cinsinden elde amalga oshiriladi.

Kaynak iki frekans bandını açıkça vermektedir:

Bu bileşenler kaynakta otonom karakterizasyon kapsamında kullanılmaktadır.

Bitta nafas olish siklida nimalarni o‘rganish mumkin?

NeuroNetFlow farklı sürelere sahip nafas olish döngülerini doğrudan üst üste bindirmek yerine her döngüyü %0–100 nafas olish fazına normalize edebilmektedir.

Döngüler yanada so‘ng ortalanarak temsilî bir nafas olish döngüsü oluşturulur. Bu profilden maksimum ve minimum değerler ile bu ekstrem değerlerin nafas olish döngüsünde qaysi göreli zamanda oluştuğu chiqarish mumkin.

Kaynağın Şekil 4'ünde ve PDF'nin 16. sayfasındaki genişletilmiş GUI görselinde aynı nafas olish döngüsü içerisinde CSF ve yurak sinyallerin değişimini gösteren birden fazla senkronize eğri yer almaktadır.

Signal Analysis ekrani nimani ko‘rsatadi?

Kaynağın Şekil 4'ü yazılımın en yoğun bilgi içeren ekranıdır. Aynı arayüz ichida:

• CSF velocity signal,
• respiration belt signal,
• PPG signal,
• PPG peak/valley detection,
• filtrelenmiş nafas olish sinyali,
• respiratory spectrum,
• inhalasyon/ekshalasyon dönemleri,
• CSF integralleri,
• volume displacement,
• heart-rate bileşenleri,
• tek nafas olish döngüsüne normalize edilmiş signallar

birlikte görüntülenmektedir.

Bu ekranın temel avantajı bir sinyaldeki değişimin diğer fiziologik kayıtlarla zaman açısından karşılaştırılabilmesidir.

Chiqishlar qaysi formatda saqlanadi?

İşlenen signallar ve çıkarılan özellikler MATLAB .mat biçiminde saklanabilmektedir. Önceden tanımlanan nicel özellikler shuningdek yapılandırılmış tablolara dönüştürülerek .xlsx biçiminde dışa aktarılabilmektedir.

Kaynak, bu yapılandırılmış çıktıların grup karşılaştırmaları, korelasyon ve regresyon modelleri ile uzunlamasına çalışmalar kabi sonraki istatistiksel analizleri desteklemek üzere tasarlandığını belirtmektedir.

NeuroNetFlow avval real tadqiqotda qo‘llanganmi?

Bu yazılım makalesi NeuroNetFlow algoritmalarının yanada avval yayımlanmış bir çalışmada kullanıldığını belirtmektedir. Kaynağın atıf yaptığı önceki çalışmada, uzun süreli nafas olish eğitimi bulunan ve bulunmayan katılımcılarda CSF ortalama hızı, deplasmanı ve net oqim kabi özelliklerin nicelleştirildiği aktarılmaktadır.

Bu önceki araştırmanın bulguları NeuroNetFlow yazılım makalesinin yeni deneysel sonucu emas. Mevcut tadqiqot esas olarak yazılım mimarisini, modüllerini ve örnek tadqiqot akışını tanımlamaktadır.

Dasturiy ta’minotning muhim texnik cheklovi nima?

Kaynağın metadata tablosu mevcut v1.0 sürümü için çok açık bir uyumluluk sınırı koymaktadır:

NeuroNetFlow v1.0, Philips tarayıcılarından elde edilen phase-contrast MRI verilerine maxsus olarak optimize edilmiştir ve bu verilerle uyumlu olarak tanımlanmaktadır.

Dolayısıyla çalışmadan farklı üreticilerin MRI formatlarının hiçbir ek uyarlama olmadan çalışacağı sonucu çıkarılamaz.

Bu Turkiya nuqtayi nazaridan nimani anglatadi?

Çalışma Mayo Clinic bünyesinde geliştirilmiş ve Türkiye'ye ait MRI merkezi, hasta grubu yoki yerel ma’lumot kümesi içermemektedir. Dolayısıyla NeuroNetFlow'un Türkiye'deki cihazlarda yoki klinik iş akışlarında doğrulanmış performansı bu çalışmadan çıkarılamaz.

Özellikle mevcut v1.0 sürümünün Philips PC-MRI verilerine yönelik uyumluluk sınırı, Türkiye'de kullanılacak MRI cihazı ve ma’lumot formatının uygulamadan avval kontrol edilmesini gerekli kılar. Kaynak başka üreticilere ait veriler için doğrulanmış uyumluluk sunmamaktadır.

Tadqiqot nimani aytadi, nimani aytmaydi?

Tadqiqot qo‘llab-quvvatlaydigan natijalar

• NeuroNetFlow MATLAB tabanlı, ochiq kodli ve GUI kontrollü bir CSF tahlil araç kutusudur.
• PC-MRI görüntü qayta ishlash ile nafas olish ve PPG signal analizini aynı sistemde birleştirir.
• CSF ROI segmentasyonu otomatik başlangıç maskesi ve kullanıcı tarafından yapılan yarı otomatik düzeltmeyi birlikte kullanır.
• B₀ kaynaklı arka plan faz eğilimlerinin sabit doku bölgeleri foydalanib kalibre edilmesini destekler.
• CSF sinyalleri nafas olish ve PPG verileriyle zamansal olarak hizalanabilir.
• İnhalasyon ve ekshalasyona özgü CSF özellikleri chiqarish mumkin.
• CSF oqim hızı ve hajm deplasmanı hesaplanabilir.
• Solunum ve yurak frekans bileşenleri spektral olarak incelenebilir.
• PPG'den IBI ve kalp hızı chiqarish mumkin.
• Solunum döngüleri %0–100 faz ölçeğine normalize edilebilir.
• Sonuçlar MAT ve XLSX biçiminde dışa aktarılabilir.

Tadqiqot qo‘llab-quvvatlamaydigan natijalar

• NeuroNetFlow'un klinik tanı aracı olarak doğrulandığı bu tadqiqot tarafından gösterilmemektedir.
• Yazılımın nörodejeneratif hastalık tanısı koyduğu yoki tedavi etkinliğini belirlediği gösterilmemektedir.
• Bu yazılım makalesinde başka CSF tahlil yazılımlarına karşı nicel doğruluk yoki tadqiqot süresi benchmark'ı sunulmamaktadır.
• ROI segmentasyonunun bütün verilerde tamamen otomatik ve hatasız ekanligi iddia edilmemektedir.
• Solunum ile CSF arasındaki ilişki tek başına NeuroNetFlow yazılımının kullanılmasıyla nedensel olarak kanıtlanmamaktadır.
• Mevcut sürümün bütün MRI üreticilerinden gelen PC-MRI verileriyle uyumlu ekanligi gösterilmemektedir.
• Yazılımın kelajakda önerilen yapısal MRI, arteriyel ve venöz tahlil özellikleri mevcut v1.0'ın tamamlanmış özellikleri emas.

Tadqiqot Usuli va Natijalari

Dasturiy ta’minotning texnik xususiyati

Uch qatlamli arxitektura

1-rasm ko‘rsatgan ma’lumotlar oqimi

Kaynağın Şekil 1'inde phase image girdisi avval ROI segmentation window'a yönlendirilir. İlk ROI maskesi oluşturulduktan so‘ng Analysis Masked Signal ortamında ROI'nin görsel ve zamansal değerlendirmesi yapılabilir.

Aynı modul içerisinde kalibrasyon pencereleri ve fiziologik ma’lumot hizalama bileşeni mavjud. Sonuçta preprocessed dataset .mat dosyası olarak Signal Analysis modülüne aktarılır.

Signal Analysis tarafında nafas olish ve PPG peak/valley algılama, nafas olish döngüsü içerisindeki CSF qayta ishlash ve görselleştirme gerçekleştirilir. Nihai çıktılar işlenmiş MAT ma’lumot kümesi ile MAT/XLSX özellik tablolarıdır.

2-rasm ko‘rsatgan haqiqiy GUI

PDF'nin 7. sayfasındaki Şekil 2 üç yazılım ekranını üst üste göstermektedir. En üstte sade Main Control Window, ortada görüntü ve ROI panellerini içeren Image Processing ekranı, altta esa çok sayıda zaman serisi ve peak/valley kontrolü içeren Signal Analysis penceresi mavjud.

Bu görsel modüler mimarinin yalnız kavramsal bir diyagram olmadığını; ayrı MATLAB GUI pencereleri olarak uygulanmış olduğunu göstermektedir.

3-rasm: 64 × 64 maydon ichida CSF ROI yaratish

PDF'nin 9. sayfasındaki örnekte kullanıcı tarafından belirlenen 64 × 64 boundary box içerisinden başlangıç ROI'si çıkarılmaktadır. Aynı figürün alt panellerinde kalibrasyon ve “Sudo ROI segmentation & Align physiology data” pencereleri mavjud.

Bu ekranlarda zaman serileri de doğrudan görüntülendiğinden kullanıcı yalnız anatomik maskeye bakarak emas, voxel'in zamansal davranışını da değerlendirerek ROI düzenlemesi yapabilmektedir.

4-rasm: bir vaqtdagi kardio-respirator tahlil

PDF'nin 10. sayfasındaki Şekil 4 ve 16. sayfadaki genişletilmiş görüntü, NeuroNetFlow'un Signal Analysis modülünün gerçek çıktı yoğunluğunu göstermektedir.

Aynı tadqiqot alanında nafas olish sinyali, PPG, CSF hızı, filtrelenmiş bileşenler, spektrumlar, inhalasyon/ekshalasyon dönemleri, faz integralleri ve tek bir nafas olish döngüsüne normalize edilmiş profiller birlikte görüntülenmektedir.

Bu birleşik görselleştirme yazılımın temel bilimsel tasarımına karşılık gelir: CSF sinyalini diğer fiziologik sistemlerden bağımsız tek bir zaman serisi olarak emas, nafas olish ve yurak hareketle senkronize biçimde tahlil etmek.

Ushbu tadqiqotda qanday turdagi validatsiya o‘tkazilgan?

Makale yazılımın fonksiyonlarını operasyonel örneklerle göstermekte; shuningdek kullanılan algoritmaların yanada önceki hakemli CSF araştırmalarında kullanıldığını belirtmektedir. Bununla birlikte mevcut yazılım makalesinde:

• yöntemler arası hata tablosu,
• segmentasyon Dice skoru,
• intra/inter-rater güvenilirlik,
• başka yazılımla doğrudan doğruluk karşılaştırması,
• hisoblash süresi benchmark'ı

raporlanmamaktadır.

Bu nedenle NeuroNetFlow'un performansı için kaynakta bulunmayan bir “doğruluk yüzdesi” üretilemez.

Kelajakda rejalashtirilgan ishlanmalar

Kaynak tadqiqot kelajakda yüksek çözünürlüklü yapısal MRI ile yanada yakın entegrasyonu olası geliştirme alanı olarak belirtmektedir. Mevcut sürüm yapısal MRI ile doğrudan merge yoki overlay özelliğini desteklememektedir.

Ayrıca kelajakda arteriyel ve venöz signal algılama algoritmalarının eklenmesiyle CSF ile serebrovasküler hareket arasındaki ilişkinin yanada kapsamlı incelenmesi önerilmektedir.

Bunlar v1.0'da mevcut özellikler emas, tadqiqot tarafından belirtilen gelecek geliştirme hedefleridir.

Manba va Usul Haqida Izoh

Tam özgün tadqiqot adı: NeuroNetFlow: A MATLAB-based software toolbox for analyzing flow dynamics based on phase-contrast MRI

Yazarlar ve özgün sıralama: Seokbeen Lim; Marin E. Nycklemoe; David N. Jacobson; Daniel C. Kim; Daehun Kang; Pragalv Karki; Val J. Lowe; Petrice M. Cogswell; Paul H. Min.

Eş katkı: Kaynak, Seokbeen Lim ve Marin E. Nycklemoe'nin çalışmaya eşit katkıda bulunduğunu açıkça belirtmektedir.

Ortak gözetim: PDF yıldız işaretiyle Seokbeen Lim ve Petrice M. Cogswell'in çalışmayı birlikte yönettiğini belirtmekte ve her ikisinin iletişim bilgilerini vermektedir. SSRN kaydı shuningdek Seokbeen Lim'i “Contact Author” olarak göstermektedir.

Kurumlar: Department of Radiology, Mayo Clinic, Rochester, Minnesota, USA; kaynakta yazıldığı biçimiyle Department of Radiology Oncology, Mayo Clinic, Rochester, Minnesota, USA; Department of Physiology and Biomedical Engineering, Mayo Clinic, Rochester, Minnesota, USA.

Kaynak türü: MATLAB tabanlı açık manba bilimsel yazılım ve biyomedikal tasvirlash/signal analizi metodoloji çalışması.

Yayın durumu: Bu tadqiqot hakem değerlendirmesinden geçmemiş bir SSRN preprintidir; bulguları bu yayın aşaması dikkate alınarak değerlendirilmelidir.

Platform: SSRN.

SSRN abstract numarası: 6225926.

DOI: 10.2139/ssrn.6225926.

SSRN yayın tarihi: 18 Şubat 2026.

Hakemli sürüm: Bibliyografik kontrolde 24 Ağustos 2026 itibarıyla aynı başlıklı doğrulanmış ayrı bir hakemli dergi sürümü tespit edilmemiştir.

Yazılım: NeuroNetFlow v1.0.

Programlama ortamı: MATLAB.

Gereksinim: MATLAB R2023b yoki yanada yeni bir sürüm.

İşletim sistemi: Windows 10/11 ve macOS.

Sürüm kontrol sistemi: Git.

Yazılım lisansı: MIT License.

Kaynak kod deposu: https://github.com/SeokbeenLim/NeuroNetFlow.git

Donanım/ma’lumot uyumluluğu: Kaynak metadata tablosu mevcut sürümün Philips tarayıcılarından elde edilen phase-contrast MRI verilerine maxsus olarak optimize edildiğini ve yalnız bu verilerle uyumlu olduğunu belirtmektedir.

Reproducible capsule: Kaynak metadata tablosunda N/A olarak verilmiştir.

Örnek veriler: Yazılım fonksiyonlarını göstermek için kullanılan örnek ma’lumot kümelerinin proje GitHub deposunda kamuya açık ekanligi qayd etiladi. Çalışmanın bulgularını destekleyen ek verilerin esa makul talep üzerine sorumlu yazardan temin edilebileceği yazılmıştır.

Çıkar çatışması: Yazarlar, çalışmayı etkileyebilecek bilinen finansal çıkar yoki kişisel ilişki bulunmadığını beyan etmektedir.

Finansman/Acknowledgements: Kaynakta shuningdek bir finansman bölümü bulunmamaktadır ve yazarlar “no acknowledgements to declare” ifadesini kullanmaktadır.

Üretken yapay zekâ beyanı: Yazarlar makalenin hazırlanması sırasında metnin okunabilirliğini ve dilini geliştirmek amacıyla ChatGPT kullandıklarını, ardından içeriği gözden geçirip düzenlediklerini ve nihai içerikten tamamen sorumlu olduklarını belirtmektedir.

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.

Kaynak-içi afiliyasyon notu: İkinci kurum PDF'de “Department of Radiology Oncology” biçiminde yazılmıştır. Özgün manba ifadesi sessizce başka bir bölüm adına dönüştürülmemiştir.

Yöntemsel sınırlılık: Makale NeuroNetFlow'un yazılım mimarisini ve operasyonel kullanım örneklerini sunmaktadır; biroq mevcut tadqiqot içerisinde başka yazılımlarla nicel doğruluk, segmentasyon başarısı yoki tadqiqot süresi benchmark'ı raporlanmamaktadır.

Bilimsel sınır: Yazılım CSF dinamiklerini nicelleştiren bir araştırma aracıdır. Bu tadqiqot NeuroNetFlow'u klinik tanı sistemi, tedavi sistemi yoki nörodejeneratif hastalıkları doğrudan belirleyen doğrulanmış tıbbi cihaz olarak sunmamaktadır.

Bilimsel içerik sınırı: Bu Verianla makalesindeki CSF fizyolojisi bağlamı, NeuroNetFlow mimarisi, segmentasyon, kalibrasyon, nafas olish/PPG analizi, çıkış özellikleri, yazılım gereksinimleri, görsel arayüzler ve gelecek geliştirme hedefleri yüklenen çalışmaya dayanmaktadır. Dış manba yalnız DOI, SSRN tarihi, yazar kimliği ve güncel yayın durumunun bibliyografik doğrulanması amacıyla kullanılmıştır.