Multi sequence average templates for aging and neurodegenerative disease populations
Notice bibliographique
Résumé
Magnetic resonance image (MRI) processing pipelines use average templates to enable standardization of individual MRIs in a common space. MNI-ICBM152 is currently used as the standard template by most MRI processing tools. However, MNI-ICBM152 represents an average of 152 healthy young adult brains and is vastly different from brains of patients with neurodegenerative diseases. In those populations, extensive atrophy might cause inevitable registration errors when using an average template of young healthy individuals for standardization. Disease-specific templates that represent the anatomical characteristics of the populations can reduce such errors and improve downstream driven estimates. We present multi-sequence average templates for Alzheimer's Dementia (AD), Fronto-temporal Dementia (FTD), Lewy Body Dementia (LBD), Mild Cognitive Impairment (MCI), cognitively intact and impaired Parkinson's Disease patients (PD-CIE and PD-CI, respectively), individuals with Subjective Cognitive Impairment (SCI), AD with vascular contribution (V-AD), Vascular Mild Cognitive Impairment (V-MCI), Cognitively Intact Elderly (CIE) individuals, and a human phantom. We also provide separate templates for males and females to allow better representation of the diseases in each sex group.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».