Regional impact of field strength on voxel‐based morphometry results
Notice bibliographique
Résumé
The objective of this study was to characterize the sensitivity of voxel-based morphometry (VBM) results to choice field strength. We chose to investigate the two most widespread acquisition sequences for VBM, FLASH and MP-RAGE, at 1.5 and 3 T. We first evaluated image quality of the four acquisition protocols in terms of SNR and image uniformity. We then performed a VBM study on eight subjects scanned twice using the four protocols to evaluate differences in grey matter (GM) density and corresponding scan-rescan variability, and a power analysis for each protocol in the context a longitudinal and cross-sectional VBM study. As expected, the SNR increased significantly at 3 T for both FLASH and MP-RAGE. Image non-uniformity increased as well, in particular for MP-RAGE. The differences in CNR and contrast non-uniformity cause regional biases between protocols in the VBM results, in particular between sequences at 3 T. The power analysis results show an overall decrease in the number of subjects required in a longitudinal study to detect a difference in GM density at 3 T for MP-RAGE, but an increase for FLASH. The number of subjects required in a cross-sectional VBM study is higher at 3 T for both sequences. Our results show that each protocol has a distinct regional sensitivity pattern to morphometric change, which goes against the classical view of VBM as an unbiased whole brain analysis technique, complicates the combination of data within a VBM study and the direct comparison of VBM studies based on different protocols.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».