Axons morphometry in the human spinal cord
Notice bibliographique
Résumé
Abstract Due to the technical challenges of large-scale microscopy and analysis, to date only limited knowledge has been made available about axon morphometry (diameter, shape, myelin thickness, density), thereby limiting our understanding of neuronal microstructure and slowing down research on neurodegenerative pathologies. This study addresses this knowledge gap by establishing a state-of-the-art acquisition and analysis framework for mapping axon morphometry, and providing the first comprehensive mapping of axon morphometry in the human spinal cord. We dissected, fixed and stained a human spinal cord with osmium, and used a scanning electron microscope to image the entirety of 24 axial slices, covering C1 to L5 spinal levels. An automatic method based on deep learning was then used to segment each axon and myelin sheath which, producing maps of axon morphometry. These maps were then registered to a standard spinal cord magnetic resonance imaging (MRI) template. Between 500,000 (lumbar) and 1 million (cervical) myelinated axons were segmented at each level of this human spinal cord. Morphometric features show a large disparity between tracts, but remarkable right-left symmetry. Results confirm the modality-based organization of the dorsal column in the human, as been observed in the rat. The generated axon morphometry template is publicly available at https://osf.io/8k7jr/ and could be used as a reference for quantitative MRI studies. The proposed framework for axon morphometry mapping could be extended to other parts of the central or peripheral nervous system.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».