On the cortical connectivity in the macaque brain: A comparison of diffusion tractography and histological tracing data
Notice bibliographique
Résumé
Diffusion-weighted magnetic resonance imaging (DW-MRI) tractography is a non-invasive tool to probe neural connections and the structure of the white matter. It has been applied successfully in studies of neurological disorders and normal connectivity. Recent work has revealed that tractography produces a high incidence of false-positive connections, often from "bottleneck" white matter configurations. The rich literature in histological connectivity analysis studies in the macaque monkey enables quantitative evaluation of the performance of tractography algorithms. In this study, we use the intricate connections of frontal, cingulate, and parietal areas, well established by the anatomical literature, to derive a symmetrical histological connectivity matrix composed of 59 cortical areas. We evaluate the performance of fifteen diffusion tractography algorithms, including global, deterministic, and probabilistic state-of-the-art methods for the connectivity predictions of 1711 distinct pairs of areas, among which 680 are reported connected by the literature. The diffusion connectivity analysis was performed on a different ex-vivo macaque brain, acquired using multi-shell DW-MRI protocol, at high spatial and angular resolutions. Across all tested algorithms, the true-positive and true-negative connections were dominant over false-positive and false-negative connections, respectively. Moreover, three-quarters of streamlines had endpoints location in agreement with histological data, on average. Furthermore, probabilistic streamline tractography algorithms show the best performances in predicting which areas are connected. Altogether, we propose a method for quantitative evaluation of tractography algorithms, which aims at improving the sensitivity and the specificity of diffusion-based connectivity analysis. Overall, those results confirm the usefulness of tractography in predicting connectivity, although errors are produced. Many of the errors result from bottleneck white matter configurations near the cortical grey matter and should be the target of future implementation of methods.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,005 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».