Rapid automatic segmentation of the human cerebellum and its lobules (RASCAL)—Implementation and application of the patch‐based label‐fusion technique with a template library to segment the human cerebellum
Notice bibliographique
Résumé
Reliable and fast segmentation of the human cerebellum with its complex architecture of lobes and lobules has been a challenge for the past decades. Emerging knowledge of the functional integration of the cerebellum in various sensori-motor and cognitive-behavioral circuits demands new automatic segmentation techniques, with accuracies similar to manual segmentations, but applicable to large subject numbers in a reasonable time frame. This article presents the development and application of a novel pipeline for rapid automatic segmentation of the human cerebellum and its lobules (RASCAL) combining patch-based label-fusion and a template library of manually labeled cerebella of 16 healthy controls from the International Consortium for Brain Mapping (ICBM) database. Leave-one-out experiments revealed a good agreement between manual and automatic segmentations (Dice kappa = 0.82). Intraclass correlation coefficients (ICC) were calculated to test reliability of segmented volumes and were highest (ICC > 0.9) for global measures (total and hemispherical grey and white matter) followed by larger lobules of the posterior lobe (ICC > 0.8). Further we applied the pipeline to all 152 young healthy controls of the ICBM database to look for hemispheric and gender differences. The results demonstrated larger native space volumes in men then women (mean (± SD) total cerebellar volume in women = 217 cm(3) (± 26), men = 259 cm(3) (± 29); P < 0.001). Significant gender-by-hemisphere interaction was only found in stereotaxic space volumes for white matter core (men > women) and anterior lobe volume (women > men). This new method shows great potential for the precise and efficient analysis of the cerebellum in large patient cohorts.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,003 | 0,001 |
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 ».