Cortical correspondence via sulcal curve-constrained spherical registration with application to Macaque studies
Notice bibliographique
Résumé
In this work, we present a novel cortical correspondence method with application to the macaque brain. The correspondence method is based on sulcal curve constraints on a spherical deformable registration using spherical harmonics to parameterize the spherical deformation. Starting from structural MR images, we first apply existing preprocessing steps: brain tissue segmentation using the Automatic Brain Classification tool (ABC), as well as cortical surface reconstruction and spherical parametrization of the cortical surface via Constrained Laplacian-based Automated Segmentation with Proximities (CLASP). Then, initial correspondence between two cortical surfaces is automatically determined by a curve labeling method using sulcal landmarks extracted along sulcal fundic regions. Since the initial correspondence is limited to sulcal regions, we use spherical harmonics to extrapolate and regularize this correspondence to the entire cortical surface. To further improve the correspondence, we compute a spherical registration that optimizes the spherical harmonic parameterized deformation using a metric that incorporates the error over the sulcal landmarks as well as the normalized cross correlation of sulcal depth maps over the whole cortical surface. For evaluation, a normal 18-months-old macaque brain (for both left and right hemispheres) was matched to a prior macaque brain template with 9 manually labeled, major sulcal curves. The results show successful registration using the proposed registration approach. Evaluation results for optimal parameter settings are presented as well.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».