A Stereotactic Probabilistic Atlas for the Major Cerebral Arteries
Notice bibliographique
Résumé
Improved whole brain angiographic and velocity-sensitive MRI is pushing the boundaries of noninvasively obtained cerebral vascular flow information. The complexity of the information contained in such datasets calls for automated algorithms and pipelines, thus reducing the need of manual analyses by trained radiologists. The objective of this work was to lay the foundation for such automated pipelining by constructing and evaluating a probabilistic atlas describing the shape and location of the major cerebral arteries. Specifically, we investigated how the implementation of a non-linear normalization into Montreal Neurological Institute (MNI) space improved the alignment of individual arterial branches. In a population-based cohort of 167 subjects, age 64-68 years, we performed 4D flow MRI with whole brain volumetric coverage, yielding both angiographic and anatomical data. For each subject, sixteen cerebral arteries were manually labeled to construct the atlas. Angiographic data were normalized to MNI space using both rigid-body and non-linear transformations obtained from anatomical images. The alignment of arterial branches was significantly improved by the non-linear normalization (p < 0.001). Validation of the atlas was based on its applicability in automatic arterial labeling. A leave-one-out validation scheme revealed a labeling accuracy of 96 %. Arterial labeling was also performed in a separate clinical sample (n = 10) with an accuracy of 92.5 %. In conclusion, using non-linear spatial normalization we constructed an artery-specific probabilistic atlas, useful for cerebral arterial labeling.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».