Grey and white matter volumes in early childhood: A comparison of voxel-based morphometry pipelines
Notice bibliographique
Résumé
Early childhood is an important period of sensory, motor, cognitive and socio-emotional maturation, yet relatively little is known about the brain changes specific to this period. Voxel-based morphometry (VBM) is a technique to estimate regional brain volumes from magnetic resonance (MR) images. The default VBM processing pipeline can be customized to increase accuracy of segmentation and normalization, yet the impact of customizations on analyses in young children are not clear. Here, we assessed the impact of different preprocessing steps on T1-weighted MR images from typically developing children in two separate cohorts. Data were processed with the Computational Anatomy Toolbox (CAT12), using seven different VBM pipelines with distinct combinations of tissue probability maps (TPMs) and DARTEL templates created using the Template-O-Matic, and CerebroMatic. The first cohort comprised female children aged 3.9-7.9 years (N = 62) and the second included boys and girls aged 2.7-8 years (N = 74). We found that pipelines differed significantly in their tendency to classify voxels as grey or white matter and the conclusions about some age effects were pipeline-dependent. Our study helps to both understand age-associations in grey and white matter volume across early childhood and elucidate the impact of VBM customization on brain volumes in this age range.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 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 ».