Axon and Myelin Morphology in Animal and Human Spinal Cord
Notice bibliographique
Résumé
Characterizing precisely the microstructure of axons, their density, size and myelination is of interest for the neuroscientific community, for example to help maximize the outcome of studies on white matter (WM) pathologies of the spinal cord (SC). The existence of a comprehensive and structured database of axonal measurements in healthy and disease models could help the validation of results obtained by different researchers. The purpose of this article is to provide such a database of healthy SC WM, to discuss the potential sources of variability and to suggest avenues for robust and accurate quantification of axon morphometry based on novel acquisition and processing techniques. The article is organized in three sections. The first section reviews morphometric results across species according to range of densities and counts of myelinated axons, axon diameter and myelin thickness, and characteristics of unmyelinated axons in different regions. The second section discusses the sources of variability across studies, such as age, sex, spinal pathways, spinal levels, statistical power and terminology in regard to tracts and protocols. The third section presents new techniques and perspectives that could benefit histology studies. For example, coherent anti-stokes Raman spectroscopy (CARS) imaging can provide sub-micrometric resolution without the need for fixation and staining, while slide scanners and stitching algorithms can provide full cross-sectional area of SC. In combination with these acquisition techniques, automatic segmentation algorithms for delineating axons and myelin sheath can help provide large-scale statistics on axon morphometry.
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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».