Diffusion-Tensor Imaging at 3 T
Notice bibliographique
Résumé
OBJECTIVE: Fractional anisotropy (FA) is a powerful measure to study the integrity of the cerebral white matter in vivo. However, because clinical FA assessments are frequently based on single slice evaluations, intra- and interindividual comparisons are highly dependent on image alignment. We attempted to develop an observer-independent, fully automated technique for quantitative FA assessment. MATERIALS AND METHODS: We employed whole brain diffusion tensor imaging at 3 T with an echo planar imaging sequence (isotropic spatial resolution 1.8 mm) on 4 patients (2x Alzheimer disease, 1x microangiopathy, 1x paraneoplastic disease) and 2 normal control groups (group "young," age 19-32 years; group "old," age 59-69 years). The images were spatially normalized to the standard brain template of the Montreal Neurologic Institute. We introduced a fractional anisotropy index (FAI) as a single measure for the mean tissue anisotropy in certain brain regions of interest. The regions of interest were defined by masks in relation to the Montreal Neurologic Institute coordinate space. We varied the spatial extent of the masks. Confidence intervals of the FAIs for both control groups were calculated. RESULTS: We found the resulting FAIs to be highly robust against considerable mask variations (product-moment correlation: r > 0.97). The FAIs of the 4 patients presented with neurologic conditions associated with white matter alterations significantly fell outside the confidence intervals for normal FA. CONCLUSION: FAIs based on mean fractional anisotropy values obtained from isotropic whole-head high-field diffusion tensor imaging by fully automated algorithms represent a robust and observer-independent measure for the comparative assessment of white matter integrity, ideally suited for further statistical treatments.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».