Potential Pitfalls of Using Fractional Anisotropy, Axial Diffusivity, and Radial Diffusivity as Biomarkers of Cerebral White Matter Microstructure
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
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.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle