Bias between MNI and Talairach coordinates analyzed using the ICBM‐152 brain template
Notice bibliographique
Résumé
MNI coordinates determined using SPM2 and FSL/FLIRT with the ICBM-152 template were compared to Talairach coordinates determined using a landmark-based Talairach registration method (TAL). Analysis revealed a clear-cut bias in reference frames (origin, orientation) and scaling (brain size). Accordingly, ICBM-152 fitted brains were consistently larger, oriented more nose down, and translated slightly down relative to TAL fitted brains. Whole brain analysis of MNI/Talairach coordinate disparity revealed an ellipsoidal pattern with disparity ranging from zero at a point deep within the left hemisphere to greater than 1-cm for some anterior brain areas. MNI/Talairach coordinate disparity was generally less for brains fitted using FSL. The mni2tal transform generally reduced MNI/Talairach coordinate disparity for inferior brain areas but increased disparity for anterior, posterior, and superior areas. Coordinate disparity patterns differed for brain templates (MNI-305, ICBM-152) using the same fitting method (FSL/FLIRT) and for different fitting methods (SPM2, FSL/FLIRT) using the same template (ICBM-152). An MNI-to-Talairach (MTT) transform to correct for bias between MNI and Talairach coordinates was formulated using a best-fit analysis in one hundred high-resolution 3-D MR brain images. MTT transforms optimized for SPM2 and FSL were shown to reduced group mean MNI/Talairach coordinate disparity from a 5-13 mm to 1-2 mm for both deep and superficial brain sites. MTT transforms provide a validated means to convert MNI coordinates to Talairach compatible coordinates for studies using either SPM2 or FSL/FLIRT with the ICBM-152 template.
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 | 0,002 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».