Human cervical spinal cord funiculi: Investigation with magnetic resonance diffusion tensor imaging
Notice bibliographique
Résumé
PURPOSE: To use spinal cord diffusion tensor imaging (DTI) for investigating human cervical funiculi, acquire axial diffusion magnetic resonance imaging (MRI) data with an in-plane resolution sufficient to delineate subquadrants within the spinal cord, obtain corresponding DTI metrics, and assess potential regional differences. MATERIALS AND METHODS: Healthy volunteers were studied with a 3 T Siemens Trio MRI scanner. DTI data were acquired using a single-shot spin echo EPI sequence. The spatial resolution allowed for the delineation of regions of interest (ROIs) in the ventral, dorsal, and lateral spinal cord funiculi. ROI-based and tractography-based analyses were performed. RESULTS: Significant fractional anisotropy (FA) differences were found between ROIs in the dorsal and ventral funiculi (P = 0.0001), dorsal and lateral funiculi (P = 0.015), and lateral and ventral funiculi (P = 0.0002). Transverse diffusivity was significantly different between ROIs in the ventral and dorsal funiculi (P = 0.003) and the ventral and lateral funiculi (P = 0.004). Tractography-based quantifications revealed DTI parameter regional differences that were generally consistent with the ROI-based analysis. CONCLUSION: Original contributions are: 1) the use of a tractography-based method to quantify DTI metrics in the human cervical spinal cord, and 2) reported DTI values in various funiculi at 3 T.
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 | 0,001 |
| 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 ».