MétaCan
Menu
← Retour à la cohorte
Enregistrement W2983379126 · doi:10.1101/833095

Assessing white matter pathway reproducibility from human whole-brain tractography clustering

2019· preprint· en· W2983379126 sur OpenAlexafffund
Jason Kai, Ali R. Khan

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2019
Typepreprint
Langueen
DomaineMedicine
ThématiqueAdvanced Neuroimaging Techniques and Applications
Établissements canadiensWestern University
Organismes subventionnairesNIH Blueprint for Neuroscience ResearchMcDonnell Center for Systems NeuroscienceNational Institutes of HealthCompute Canada
Mots-clésHuman Connectome ProjectTractographyConnectomeDiffusion MRICluster analysisWhite matterHuman brainIntraclass correlationComputer scienceIdentification (biology)Artificial intelligencePattern recognition (psychology)Fractional anisotropyReproducibilityCartographyNeuroscienceBiologyMagnetic resonance imagingMathematicsStatisticsMedicineGeographyFunctional connectivityRadiology

Résumé

récupéré en direct d'OpenAlex

Abstract Diffusion MRI, together with tractography techniques, is a non-invasive tool to investigate the brain’s structural pathways (tracts). These tracts join together different regions of the brain and tract identification often involves the use of manual ROIs or automated techniques such as clustering. By studying these connections, current understanding of the connectome can be improved and changes due to disease in patient populations may be identified. We developed a tool to automatically identify all pathways in the human brain, including the short-range, U-shaped tracts, and map quantitative scalar metrics along the pathway trajectory for subsequent analysis. Pathways are identified via a spectral clustering technique on two datasets: Human Connectome Project (intersubject) and MyConnectome Project (intrasubject) and the reliability of the extracted tract and scalar values are evaluated. Average Euclidean distances and volumetric overlap were computed and indicated good spatial reliability. Intraclass correlations of the fractional anisotropy value mapped along the tract was calculated and exhibited good reproducibility within each dataset. Additionally, these evaluation metrics, together with the coefficient of variation of the mean streamline count is used to determine reliably identified U-shaped tracts across the datasets. The developed tract identification tool is an additional resource to studying the human connectome with increased confidence in the results. The identified reliable U-shaped tracts contributes to the identification of common structural connections across individuals and aids in advancing our understanding of the brain’s short-range pathways.

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)0,011
score de la tête « metaresearch » (Gemma)0,034
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Reproductibilité · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,989
Score d'incertitude au seuil0,056

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,034
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,055
Tête enseignante GPT0,316
Écart entre enseignants0,262 · 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.

Devis d'étudeSimulation ou modélisation
DomaineReproductibilité
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

Citations5
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujetAdvanced Neuroimaging Techniques and Applications→Travaux en français237 207→