In Vivo Visualization of Cranial Nerve Pathways in Humans Using Diffusion-Based Tractography
Notice bibliographique
Résumé
OBJECTIVE: Diffusion-based tractography has emerged as a powerful technique for 3-dimensional tract reconstruction and imaging of white matter fibers; however, tractography of the cranial nerves has not been well studied. In particular, the feasibility of tractography of the individual cranial nerves has not been previously assessed. METHODS: 3-Tesla magnetic resonance imaging scans, including anatomic magnetic resonance images and diffusion tensor images, were used for this study. Tractography of the cranial nerves was performed using 3D Slicer software. The reconstructed 3-dimensional tracts were overlaid onto anatomic images for determination of location and course of intracranial fibers. RESULTS: Detailed tractography of the cranial nerves was obtained, although not all cranial nerves were imaged with similar anatomic fidelity. Some tracts were imaged in great detail (cranial nerves II, III, and V). Tractography of the optic apparatus allowed tracing from the optic nerve to the occipital lobe, including Meyer's loop. Trigeminal tractography allowed visualization of the gasserian ganglion as well as postganglionic fibers. Tractography of cranial nerve III shows the course of the fibers through the midbrain. Lower cranial nerves (cranial nerves IX, XI, and XII) could not be imaged well. CONCLUSION: Tractography of the cranial nerves is feasible, although technical improvements are necessary to improve the tract reconstruction of the lower cranial nerves. Detailed assessment of anatomy and the ability of overlaying the tracts onto anatomic magnetic resonance imaging scans is essential, particularly in the posterior fossa, to ensure that the tracts have been reconstructed with anatomic fidelity.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».