MétaCan
Menu
Retour à la cohorte
Enregistrement W4205639396 · doi:10.3389/fnins.2021.799576

Potential Pitfalls of Using Fractional Anisotropy, Axial Diffusivity, and Radial Diffusivity as Biomarkers of Cerebral White Matter Microstructure

2022· review· en· W4205639396 sur OpenAlexafffund
Chase R. Figley, Md Nasir Uddin, Kaihim Wong, Jennifer Kornelsen, Josep Puig, Teresa D. Figley

Notice bibliographique

RevueFrontiers in Neuroscience · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueAdvanced Neuroimaging Techniques and Applications
Établissements canadiensUniversity of ManitobaHealth Sciences Centre
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaResearch ManitobaHealth Sciences Centre Foundation
Mots-clésDiffusion MRIWhite matterFractional anisotropyContext (archaeology)VoxelThermal diffusivityNeurosciencePopulationTractographyPsychologyMedicineComputer scienceArtificial intelligencePhysicsMagnetic resonance imagingBiologyRadiology

Résumé

récupéré en direct d'OpenAlex

Fractional anisotropy (FA), axial diffusivity (AD), and radial diffusivity (RD) are commonly used as MRI biomarkers of white matter microstructure in diffusion MRI studies of neurodevelopment, brain aging, and neurologic injury/disease. Some of the more frequent practices include performing voxel-wise or region-based analyses of these measures to cross-sectionally compare individuals or groups, longitudinally assess individuals or groups, and/or correlate with demographic, behavioral or clinical variables. However, it is now widely recognized that the majority of cerebral white matter voxels contain multiple fiber populations with different trajectories, which renders these metrics highly sensitive to the relative volume fractions of the various fiber populations, the microstructural integrity of each constituent fiber population, and the interaction between these factors. Many diffusion imaging experts are aware of these limitations and now generally avoid using FA, AD or RD (at least in isolation) to draw strong reverse inferences about white matter microstructure, but based on the continued application and interpretation of these metrics in the broader biomedical/neuroscience literature, it appears that this has perhaps not yet become common knowledge among diffusion imaging end-users. Therefore, this paper will briefly discuss the complex biophysical underpinnings of these measures in the context of crossing fibers, provide some intuitive "thought experiments" to highlight how conventional interpretations can lead to incorrect conclusions, and suggest that future studies refrain from using (over-interpreting) FA, AD, and RD values as standalone biomarkers of cerebral white matter microstructure.

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)0,170
score de la tête « metaresearch » (Gemma)0,313
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,830
Score d'incertitude au seuil0,900

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1700,313
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0040,004
Études des sciences et des technologies0,0020,020
Communication savante0,0050,008
Science ouverte0,0050,005
Intégrité de la recherche0,0050,009
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,042
Tête enseignante GPT0,343
Écart entre enseignants0,302 · 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.

Devis d'étudeSans objet
DomaineMéthodes
GenreSynthèse

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

En bref

Citations233
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in NeuroscienceMême sujetAdvanced Neuroimaging Techniques and ApplicationsTravaux en français237 207