Microstructure Informed Tractography: Pitfalls and Open Challenges
Notice bibliographique
Résumé
One of the major limitations of diffusion MRI tractography is that the fiber tracts recovered by existing algorithms are not truly quantitative. Local techniques for estimating more quantitative features of the tissue microstructure exist, but their combination with tractography has always been considered intractable. Recent advances in local and global modeling made it possible to fill this gap and a number of promising techniques for microstructure informed tractography have been suggested, opening new and exciting perspectives for the quantification of brain connectivity. The ease-of-use of the proposed solutions made it very attractive for researchers to include such advanced methods in their analyses; however, this apparent simplicity should not hide some critical open questions raised by the complexity of these very high-dimensional problems, otherwise some fundamental issues may be pushed into the background. The aim of this article is to raise awareness in the diffusion MRI community, notably researchers working on brain connectivity, about some potential pitfalls and modeling choices that make the interpretation of the outcomes from these novel techniques rather cumbersome. Through a series of experiments on synthetic and real data, we illustrate practical situations where erroneous and severely biased conclusions may be drawn about the connectivity if these pitfalls are overlooked, like the presence of partial/missing/duplicate fibers or the critical importance of the diffusion model adopted. Microstructure informed tractography is a young but very promising technology, and by acknowledging its current limitations as done in this paper, we hope our observations will trigger further research in this direction and new ideas for truly quantitative and biologically meaningful analyses of the connectivity.
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 | 0,030 | 0,118 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,009 |
| Communication savante | 0,004 | 0,010 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,005 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 ».