Six is enough? Comparison of diffusion parameters measured using six or more diffusion‐encoding gradient directions with deterministic tractography
Notice bibliographique
Résumé
Diffusion tensor imaging tractography is commonly used to quantify white matter tracts in the human brain via parameters such as fractional anisotropy and mean diffusivity. Simulation studies recommend the use of more than six directions for robust parameter estimates; however, no study has examined the impact of the number of gradient directions on deterministic tractography-derived diffusion parameters in human brain. Here, for 10 major white matter tracts in 11 healthy volunteers at 1.5 T, six-direction diffusion tensor imaging data were compared to 30- or 60-direction data, keeping scan time and number of b = 0 images constant within each test. Mean diffusivity was systematically lower for six-direction protocols (20/40 comparisons); six-direction data had higher fractional anisotropy in the superior longitudinal fasciculus and smaller tract volume for the genu of the corpus callosum. In general, parameter differences due to the number of directions were smaller than those from intersubject variation or signal-to-noise ratio. Despite some absolute differences, standard deviations were significantly different for only one of 160 comparisons. Thus, six-direction data provide diffusion measures with comparable robustness to 30- or 60-direction data and yield appropriate parameter values for most white matter tracts, although there are clear advantages in acquiring higher angular resolution data.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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; un appel candidat d’une seule tête enseignante, 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 ».