MétaCan
Menu
Retour à la cohorte
Enregistrement W3013886781 · doi:10.1002/hbm.24964

Impact of <i>b</i> ‐value on estimates of apparent fibre density

2020· article· en· W3013886781 sur OpenAlexfundno aff
Sila Genc, Chantal M. W. Tax, Erika P. Raven, Maxime Chamberland, Greg D. Parker, Derek K. Jones

Notice bibliographique

RevueHuman Brain Mapping · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced Neuroimaging Techniques and Applications
Établissements canadiensnon disponible
Organismes subventionnairesWolfson FoundationEngineering and Physical Sciences Research CouncilInternational Society for Magnetic Resonance in MedicineNatural Sciences and Engineering Research Council of CanadaNederlandse Organisatie voor Wetenschappelijk OnderzoekWellcome Trust
Mots-clésDiffusion MRIDeconvolutionRobustness (evolution)PopulationWhite matterMagnetic resonance imagingStatisticsSampling (signal processing)MathematicsNuclear magnetic resonanceNuclear medicinePhysicsChemistryOpticsMedicineRadiology

Résumé

récupéré en direct d'OpenAlex

Abstract Recent advances in diffusion magnetic resonance imaging (dMRI) analysis techniques have improved our understanding of fibre‐specific variations in white matter microstructure. Increasingly, studies are adopting multi‐shell dMRI acquisitions to improve the robustness of dMRI‐based inferences. However, the impact of b ‐value choice on the estimation of dMRI measures such as apparent fibre density (AFD) derived from spherical deconvolution is not known. Here, we investigate the impact of b ‐value sampling scheme on estimates of AFD. First, we performed simulations to assess the correspondence between AFD and simulated intra‐axonal signal fraction across multiple b ‐value sampling schemes. We then studied the impact of sampling scheme on the relationship between AFD and age in a developmental population ( n = 78) aged 8–18 (mean = 12.4, SD = 2.9 years) using hierarchical clustering and whole brain fixel‐based analyses. Multi‐shell dMRI data were collected at 3.0T using ultra‐strong gradients (300 mT/m), using 6 diffusion‐weighted shells ranging from b = 0 to 6,000 s/mm 2 . Simulations revealed that the correspondence between estimated AFD and simulated intra‐axonal signal fraction was improved with high b ‐value shells due to increased suppression of the extra‐axonal signal. These results were supported by in vivo data, as sensitivity to developmental age‐relationships was improved with increasing b ‐value ( b = 6,000 s/mm 2 , median R 2 = .34; b = 4,000 s/mm 2 , median R 2 = .29; b = 2,400 s/mm 2 , median R 2 = .21; b = 1,200 s/mm 2 , median R 2 = .17) in a tract‐specific fashion. Overall, estimates of AFD and age‐related microstructural development were better characterised at high diffusion‐weightings due to improved correspondence with intra‐axonal properties.

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)0,009
score de la tête « metaresearch » (Gemma)0,048
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,048

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,048
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,135
Tête enseignante GPT0,395
Écart entre enseignants0,260 · 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'étudeExpérimental (laboratoire)
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

Citations105
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHuman Brain MappingMême sujetAdvanced Neuroimaging Techniques and ApplicationsTravaux en français237 207