MétaCan
Menu
← Retour à la cohorte
Enregistrement W2028729341 · doi:10.1109/bmei.2011.6098482

Model-free marginal orientation distribution function reconstruction in single-shell Q-Ball imaging

2011· article· en· W2028729341 sur OpenAlexfundno aff
Na Zhang

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced Neuroimaging Techniques and Applications
Établissements canadiensnon disponible
Organismes subventionnairesMcGill University
Mots-clésOrientation (vector space)Computer scienceAngular resolution (graph drawing)Artificial intelligenceIterative reconstructionImaging phantomTomographic reconstructionDiffusion MRIMarginal distributionComputer visionAlgorithmMathematicsPhysicsOpticsGeometry

Résumé

récupéré en direct d'OpenAlex

Q-Ball imaging (QBI) is a successful and widely used high angular resolution diffusion imaging (HARDI) technique which can compute orientation distribution function (ODF). This technique only needs single shell HARDI data and does not require any assumption about the diffusion signal outside the sampling sphere. However the originally proposed ODF (the radial project of the probability density function (PDF)) is not a true ODF. In contrast the marginal ODF with solid angle consideration, represents a true ODF with a correct probabilistic interpretation. In this paper a novel model-free and single-shell HARDI method for analytical reconstruction of the marginal ODF based on Funk-Radon transform (FRT) is proposed. In other words, a transformation of QBI for marginal ODF is proposed in this paper. While there's also a proportional factor introduced by FRT. Its complexity is comparable to that of the original QBI. Finally the present paper verify the algorithm and show the improved result of my method compared to the original QBI on synthetic data, biological phantom data and real human brain 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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,112
Tête enseignante GPT0,306
Écart entre enseignants0,195 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Neuroimaging Techniques and Applications→Travaux en français237 207→