The morphology of the human cerebrovascular system
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
While several methodologies exist for quantifying gray and white matter properties in humans, relatively little is known regarding the spatial organization and the intersubject variability of cerebral vessels. To resolve this, we developed a fast, open-source processing algorithm using advanced vessel segmentation schemes and iterative nonlinear registration to isolate, extract, and quantify cerebral vessels in susceptibility weighting imaging (SWI) and time-of-flight angiography (TOF-MRA) datasets acquired in a large cohort (n = 42) of healthy individuals. From this, whole-brain venous and arterial probabilistic maps were generated along with the computation of regional densities and diameters within regions based on popular anatomical and functional atlases. The results show that cerebral vasculature is highly heterogeneous, displaying disproportionally large vessel densities in brain areas such as the anterior and posterior cingulate, cuneus, precuneus, parahippocampus, insula, and temporal gyri. On average, venous densities were slightly higher and less variable across subjects than arterial. Moreover, regional variations in both venous and arterial density were significantly correlated to cortical thickness (R = 0.42). This publicly available new atlas of the human cerebrovascular system provides a first step toward quantifying morphological changes in the diseased brain and serving as a potential regression tool in fMRI analysis.
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.
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 | 0,001 | 0,003 |
| 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 | 0,003 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle