MétaCan
Menu
← Retour à la cohorte
Enregistrement W3212058477 · doi:10.1016/j.neuroimage.2021.118716

Integrated structural and functional atlases of Asian children from infancy to childhood

2021· article· en· W3212058477 sur OpenAlexaff
Jingwen Zhu, Han Zhang, Yap Seng Chong, Lynette Pei‐Chi Shek, Peter D. Gluckman, Michael J. Meaney, Marielle V. Fortier, Anqi Qiu

Notice bibliographique

RevueNeuroImage · 2021
Typearticle
Langueen
DomaineNeuroscience
ThématiqueFunctional Brain Connectivity Studies
Établissements canadiensMcGill UniversityDouglas Mental Health University Institute
Organismes subventionnairesnon disponible
Mots-clésWhite matterNeuroscienceDiffusion MRIFunctional integrationBrain atlasAtlas (anatomy)Spatial normalizationPsychologyBiologyComputer scienceArtificial intelligenceAnatomyMedicineMagnetic resonance imagingVoxelMathematics

Résumé

récupéré en direct d'OpenAlex

The developing brain grows exponentially in the first few years of life. There is a need to have age-appropriate brain atlases that coherently characterize the geometry of the cerebral cortex, white matter tracts, and functional organization. This study employed multi-modal brain images of an Asian cohort and constructed brain structural and functional atlases for 6-month-old infants, 4.5-, 6-, and 7.5-year-old children. We exploited large deformation diffeomorphic metric mapping and probabilistic atlas generation approaches to integrate structural MRI and diffusion weighted images (DWIs) and to create the atlas where white matter tracts well fit into the cortical folding pattern. Based on this structural atlas, we then employed spectral clustering to parcellate the brain into functional networks from resting-state fMRI (rs-fMRI). Our results provided the atlas that characterizes the cortical folding geometry, subcortical regions, deep white matter tracts, as well as functional networks in a stereotaxic coordinate space for the four different age groups. The functional networks consisting of the primary cortex were well established in infancy and remained stable to childhood, while specific higher-order functional networks showed specific patterns of hemispherical, subcortical-cerebellar, and cortical-cortical integration and segregation from infancy to childhood. Our multi-modal fusion analysis demonstrated the use of the integrated structural and functional atlas for understanding coherent patterns of brain anatomical and functional development during childhood. Hence, our atlases can be potentially used to study coherent patterns of brain anatomical and functional development.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,239
Écart entre enseignants0,219 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeuroImage→Même sujetFunctional Brain Connectivity Studies→Travaux en français237 207→