MétaCan
Menu
← Retour à la cohorte
Enregistrement W4283749626 · doi:10.1016/j.neuroimage.2022.119421

Inconsistencies in atlas-based volumetric measures of the human nucleus basalis of Meynert: A need for high-resolution alternatives

2022· article· en· W4283749626 sur OpenAlexaff
Yawen Wang, Minye Zhan, Alard Roebroeck, Peter De Weerd, Sriranga Kashyap, Mark Roberts

Notice bibliographique

RevueNeuroImage · 2022
Typearticle
Langueen
DomaineNeuroscience
ThématiqueFunctional Brain Connectivity Studies
Établissements canadiensUniversity Health Network
Organismes subventionnairesChina Scholarship CouncilUniversiteit Maastricht
Mots-clésNucleus basalisNeuroscienceComputer scienceArtificial intelligenceHuman brainProbabilistic logicData setPsychologyCholinergic neuron

Résumé

récupéré en direct d'OpenAlex

The nucleus basalis of Meynert (nbM) is the major source of cortical acetylcholine (ACh) and has been related to cognitive processes and to neurological disorders. However, spatially delineating the human nbM in MRI studies remains challenging. Due to the absence of a functional localiser for the human nbM, studies to date have localised it using nearby neuroanatomical landmarks or using probabilistic atlases. To understand the feasibility of MRI of the nbM we set our four goals; our first goal was to review current human nbM region-of-interest (ROI) selection protocols used in MRI studies, which we found have reported highly variable nbM volume estimates. Our next goal was to quantify and discuss the limitations of existing atlas-based volumetry of nbM. We found that the identified ROI volume depends heavily on the atlas used and on the probabilistic threshold set. In addition, we found large disparities even for data/studies using the same atlas and threshold. To test whether spatial resolution contributes to volume variability, as our third goal, we developed a novel nbM mask based on the normalized BigBrain dataset. We found that as long as the spatial resolution of the target data was 1.3 mm isotropic or above, our novel nbM mask offered realistic and stable volume estimates. Finally, as our last goal we tried to discern nbM using publicly available and novel high resolution structural MRI ex vivo MRI datasets. We find that, using an optimised 9.4T quantitative T 2 ⁎ ex vivo dataset, the nbM can be visualised using MRI. We conclude caution is needed when applying the current methods of mapping nbM, especially for high resolution MRI data. Direct imaging of the nbM appears feasible and would eliminate the problems we identify, although further development is required to allow such imaging using standard (f)MRI scanning.

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)0,033
score de la tête « metaresearch » (Gemma)0,104
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,175

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0330,104
Méta-épidémiologie (sens strict)0,0010,002
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0040,004
Études des sciences et des technologies0,0020,003
Communication savante0,0090,007
Science ouverte0,0050,003
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,076
Tête enseignante GPT0,276
Écart entre enseignants0,200 · 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

Citations25
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

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