MétaCan
Menu
Retour à la cohorte
Enregistrement W2965911927 · doi:10.4103/0028-3886.253639

Construction of Indian human brain atlas

2019· article· en· W2965911927 sur OpenAlexaff
Jayanthi Sivaswamy, AlphinJ Thottupattu, Raghav Mehta, Chandrasekharan Kesavadas

Notice bibliographique

RevueNeurology India · 2019
Typearticle
Langueen
DomaineNeuroscience
ThématiqueFunctional Brain Connectivity Studies
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésAtlas (anatomy)Spatial normalizationMedicinePopulationNormalization (sociology)Brain atlasBrain morphometryHuman brainCartographyMagnetic resonance imagingArtificial intelligenceRadiologyAnatomyGeographyComputer science

Résumé

récupéré en direct d'OpenAlex

CONTEXT: A brain magnetic resonanace imaging (MRI) atlas plays an important role in many neuroimage analysis tasks as it provides an atlas with a standard coordinate system which is needed for spatial normalization of a brain MRI. Ideally, this atlas should be as near to the average brain of the population being studied as possible. AIMS: The aim of this study is to construct and validate the Indian brain MRI atlas of young Indian population and the corresponding structure probability maps. SETTINGS AND DESIGN: This was a population-specific atlas generation and validation process. MATERIALS AND METHODS: 100 young healthy adults (M/F = 50/50), aged 21-30 years, were recruited for the study. Three different 1.5-T scanners were used for image acquisition. The atlas and structure maps were created using nonrigid groupwise registration and label-transfer techniques. COMPARISON AND VALIDATION: The generated atlas was compared against other atlases to study the population-specific trends. RESULTS: The atlas-based comparison indicated a signifi cant difference between the global size of Indian and Caucasian brains. This difference was noteworthy for all three global measures, namely, length, width, and height. Such a comparison with the Chinese and Korean brain templates indicate all 3 to be comparable in length but signifi cantly different (smaller) in terms of height and width. CONCLUSIONS: The findings confirm that there is significant difference in brain morphology between Indian, Chinese, and Caucasian populations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0110,004

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,250
Écart entre enseignants0,234 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations33
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeurology IndiaMême sujetFunctional Brain Connectivity StudiesTravaux en français237 207