Dimensionality reduction of diffusion MRI measures for improved tractometry of the human brain
Notice bibliographique
Résumé
Various diffusion MRI (dMRI) measures have been proposed for characterising tissue microstructure over the last 15 years. Despite the growing number of experiments using different dMRI measures in assessments of white matter, there has been limited work on: 1) examining their covariance along specific pathways; and on 2) combining these different measures to study tissue microstructure. Indeed, it quickly becomes intractable for existing analysis pipelines to process multiple measurements at each voxel and at each vertex forming a streamline, highlighting the need for new ways to visualise or analyse such high-dimensional data. In a sample of 36 typically developing children aged 8-18 years, we profiled various commonly used dMRI measures across 22 brain pathways. Using a data-reduction approach, we identified two biologically-interpretable components that capture 80% of the variance in these dMRI measures. The first derived component captures properties related to hindrance and restriction in tissue microstructure, while the second component reflects characteristics related to tissue complexity and orientational dispersion. We then demonstrate that the components generated by this approach preserve the biological relevance of the original measurements by showing age-related effects across developmentally sensitive pathways. In summary, our findings demonstrate that dMRI analyses can benefit from dimensionality reduction techniques, to help disentangling the neurobiological underpinnings of white matter organisation.
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 | 0,000 |
| 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) | 0,000 | 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 ».