Tractography at 3T MRI of Corpus Callosum Tracts Crossing White Matter Hyperintensities
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: The impact of white matter hyperintensities on the diffusion characteristics of crossing tracts is unclear. This study used quantitative tractography at 3T MR imaging to compare, in the same individuals, the diffusion characteristics of corpus callosum tracts that crossed white matter hyperintensities with the diffusion characteristics of corpus callosum tracts that did not pass through white matter hyperintensities. MATERIALS AND METHODS: Brain T2 fluid-attenuated inversion recovery-weighted and diffusion tensor 3T MR imaging scans were acquired in 24 individuals with white matter hyperintensities. Tractography data were generated by the Fiber Assignment by Continuous Tracking method. White matter hyperintensities and corpus callosum tracts were manually segmented. In the corpus callosum, the fractional anisotropy, radial diffusivity, and mean diffusivity of tracts crossing white matter hyperintensities were compared with the fractional anisotropy, radial diffusivity, and mean diffusivity of tracts that did not cross white matter hyperintensities. The cingulum, long association fibers, corticospinal/bulbar tracts, and thalamic projection fibers were included for comparison. RESULTS: Within the corpus callosum, tracts that crossed white matter hyperintensities had decreased fractional anisotropy compared with tracts that did not pass through white matter hyperintensities (P = .002). Within the cingulum, tracts that crossed white matter hyperintensities had increased radial diffusivity compared with tracts that did not pass through white matter hyperintensities (P = .001). CONCLUSIONS: In the corpus callosum and cingulum, tracts had worse diffusion characteristics when they crossed white matter hyperintensities. These results support a role for white matter hyperintensities in the disruption of crossing tracts.
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) | 0,001 | 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 | 0,000 |
| 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 ».