Cortical Surfaces Integration with Tractography for Structural Connectivity Analysis
Notice bibliographique
Résumé
Background: Mapping diffusion MRI tractography streamlines to the cortical surface facilitates the integration of white matter features onto gray matter, especially for connectivity analysis. Method: In this work, we present methods that combine cortical surface meshes with tractography reconstruction to improve endpoint precision and coverage. This cortical mapping also enables the study of structural measures from tractography along the cortex and subcortical structures. In addition to structural connectivity analysis, novel adaptive and dynamic surface seeding methods are proposed. These improvements are made by incorporating cortical maps such as endpoint density. Results: The proposed dynamic surface seeding increases the cortical coverage and reduces endpoint location biases. Our results suggest that the use of cortical and subcortical meshes together with a proper seeding strategy can reduce the variability in structural connectivity analysis. Conclusion: The proposed adaptive and dynamic seeding utilize cortical maps to better distribute tractography interconnections, thus increasing cortical coverage and reducing endpoint bias. This also facilitates the analysis of white matter & diffusion MRI features along the cortex, combined with cortical measures or functional activation. This research presents an overview of surface mapping methods for tractography to reduce structural connectivity variability. The proposed adaptive and dynamic seeding utilize cortical maps to better distribute tractography interconnections, thus increasing cortical coverage and reducing end-point bias. This also facilitates the analysis of white matter and diffusion magnetic resonance imaging features along the cortex, combined with cortical measures or functional activation.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 ».