Probabilistic White Matter Atlases of Human Auditory, Basal Ganglia, Language, Precuneus, Sensorimotor, Visual and Visuospatial Networks
Notice bibliographique
Résumé
Background: Despite the popularity of functional connectivity analyses and the well-known topology of several intrinsic cortical networks, relatively little is known about the white matter regions (i.e., structural connectivity) underlying these networks. In the current study, we have therefore performed fMRI-guided DTI tractography to create probabilistic white matter atlases for eight previously identified functional brain networks, including the Auditory, Basal Ganglia, Language, Precuneus, Sensorimotor, Primary Visual, Higher Visual, and Visuospatial Networks. Methods: Whole-brain diffusion imaging data were acquired from a cohort of 32 healthy volunteers, and were warped to the ICBM template using a two-stage, high-dimensional, non-linear spatial normalization procedure. Deterministic tractography, with fractional anisotropy (FA) ≥ 0.15 and deviation angle < 50°, was then performed using the Fiber Association by Continuous Tracking (FACT) algorithm, and a multi-ROI approach to identify tracts of interest. ROIs for each of the eight networks were taken from a pre-existing atlas of functionally defined regions to explore all ROI-to-ROI connections within each network, and all resulting streamlines were saved as binary masks to create probabilistic atlases (across participants) for tracts between each ROI-to-ROI pair. Results: The resulting functionally-defined white matter atlases (i.e., for each tract and each network as a whole) were saved as NIfTI images in stereotaxic ICBM coordinates, and have been added to the UManitoba-JHU Functionally-Defined Human White Matter Atlas (http://www.nitrc.org/projects/uofm_jhu_atlas/). Conclusions: To the best of our knowledge, this work represents the first attempt to comprehensively identify and map white matter connectomes for the Auditory, Basal Ganglia, Language, Precuneus, Sensorimotor, Primary Visual, Higher Visual, and Visuospatial Networks. Therefore, the resulting probabilistic atlases represent a unique tool for future neuroimaging studies wishing to ascribe voxel-wise or ROI-based changes (i.e., in DTI or other quantitative white matter imaging signals) to these functional brain networks.
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 | 0,000 |
| 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 ».