Tractography in the Study of the Human Brain: A Neurosurgical Perspective
Notice bibliographique
Résumé
BACKGROUND: The brain functions as an integrated multi-networked organ. Complex neurocognitive functions are not attributed to a single brain area but depend on the dynamic interactions of distributed brain areas operating in large-scale networks. This is especially important in the field of neurosurgery where intervention within a spatially localized area may indirectly lead to unwanted effects on distant areas. As part of a preliminary integrated work on functional connectivity, we present our initial work on diffusion tensor imaging tractography to produce in vivo white matter tracts dissection. METHODS: Diffusion weighted data and high-resolution T1- weighted images were acquired from a healthy right-handed volunteer (25 years old) on a whole-body 3 T scanner. Two approaches were used to dissect the tractography results: 1) a standard region of interest technique and 2) the use of Brodmann’s area as seeding points, which represents an innovation in terms of seeds initiation. RESULTS: Results are presented as tri-dimensional tractography images. The uncinate fasciculus, the inferior longitudinal fasciculus, the inferior fronto-occipital fasiculus, the corticospinal tract, the corpus callosum, the cingulum, and the optic radiations where studied by conventional seeding approach, while Broca’s and Wernicke’s areas, the primary motor as well as the primary visual cortices were used as seeding areas in the second approach. CONCLUSIONS: We report state-of-the-art tractography results of some of the major white matter bundles in a normal subject using DTI. Moreover, we used Brodmann’s area as seeding areas for fiber tracts to study the connectivity of known major functional cortical areas.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».