Creating A 3D Histological Atlas of Subcortical Nuclei using Ultra‐High Field MRI Registration: A Model for DBS Surgical Planning
Notice bibliographique
Résumé
Introduction/Objectives Deep Brain Stimulation (DBS) is an effective neurosurgical intervention that is used for the treatment of Parkinson's Disease (PD) and other movement disorders. Through the development of higher resolution templates and atlases, DBS targeting can be performed with higher accuracy. The aim of this study is to create a histological atlas of the subcortex and evaluate its ability to inform DBS surgical planning. Methods The histological template was creating through in‐situ 7 Tesla (T) Magnetic Resonance Imaging (MRI) of a cadaveric brain, followed by ex‐vivo 7T MR imaging and histological processing of the subcortex. Histology‐to‐MRI registration allowed for the mapping and reconstruction of histological sections back into the MRI space. Ten subcortical structures were directly visualized and segmented based on MRI and histology data. Results Through direct visualization of subcortical nuclei we demonstrated that these anatomical structures can be segmented with higher accuracy using histological data as opposed to 7T MRI data. Conclusion We hope that further development of this model can be applied to clinically significant anatomical structures, such as the Subthalamic Nucleus and Globus Pallidus Interna, when planning DBS surgery for PD patients. Support or Funding Information Canadian Institutes of Health Research, Natural Sciences and Engineering Research Council, BrainsCAN, Brain Canada Foundation This abstract is from the Experimental Biology 2018 Meeting. There is no full text article associated with this abstract published in The FASEB Journal .
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».