Post-mortem 7 Tesla MRI detection of white matter hyperintensities: A multidisciplinary voxel-wise comparison of imaging and histological correlates
Notice bibliographique
Résumé
White matter hyperintensities (WMH) occur in normal aging and across diagnostic categories of neurodegeneration. Ultra-high field imaging (UHF) MRI machines offer the potential to improve our understanding of WMH. Post-mortem imaging using UHF magnetic resonance imaging (MRI) is a useful way of assessing WMH, however, the responsiveness of UHF-MRI to pathological changes within the white matter has not been characterized. In this study we report post-mortem MRI sequences of white matter hyperintensities in normal aging, Alzheimer's disease, and cerebrovascular disease. Seven Tesla post-mortem MRI reliably detected periventricular WMH using both FLAIR and T2 sequences and reflects underlying pathology of myelin and axon density despite prolonged fixation time. Co-registration of histological images to MRI allowed for direct voxel- wise comparison of imaging findings and pathological changes. Myelin content and cerebrovascular pathology were the most significant predictors of MRI white matter intensity as revealed by linear mixed models. Future work investigating the utility of UHF- MRI in studying cell-specific changes within WMH is required to better understand radio-pathologic correlations.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».