Impact of scale space search on age- and gender-related changes in MRI-based cortical morphometry
Notice bibliographique
Résumé
In magnetic resonance imaging based brain morphometry, Gaussian smoothing is often applied to increase the signal-to-noise ratio and to increase the detection power of statistical parametric maps. However, most existing studies used a single smoothing filter without adequately justifying their choices. In this article, we want to determine the extent for which performing a morphometry analysis using multiple smoothing filters, namely conducting a scale space search, improves or decreases the detection power. We first compared scale space search with single-filter analysis through a simulated population study. The multiple comparisons in our four-dimensional scale space searches were corrected for using a unified P-value approach. Our results illustrate that, compared with a single-filter analysis, a scale space search analysis can properly capture the variations in analysis results caused by variations in smoothing, and more importantly, it can obviously increase the sensitivity for detecting brain morphometric changes. We also show that the cost of an increased critical threshold for conducting a scale space search is very small. In the second experiment, we investigated age and gender effects on cortical volume, thickness, and surface area in 104 normal subjects using scale space search. The obtained results provide a perspective of scale space theory on the morphological changes with age and gender. These results suggest that, in exploratory studies of aging, gender, and disease, conducting a scale space search is essential, if we are to produce a complete description of the structural changes or abnormalities associated with these dimensions.
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 | 0,001 | 0,003 |
| 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 ».