A dataset of multi-contrast unbiased average MRI templates of a Parkinson’s disease population
Notice bibliographique
Résumé
Abstract Parkinson’s disease (PD) is a complex neurodegenerative disorder affecting regions such as the substantia nigra (SN), red nucleus (RN) and locus coeruleus (LC). Processing MRI data from patients with PD requires anatomical structural references for spatial normalization and structural segmentation. Extending our previous work [1][2], we present multi-contrast unbiased MRI templates using nine 3T MRI modalities: T1w, T2*w, T1-T2* fusion, R2*, T2w, PDw, fluid-attenuated inversion recovery (FLAIR), improved susceptibility-weighted imaging (CLEAR-SWI) [3], and neuromelanin-sensitive MRI (NM). Using our previous methods to build unbiased average templates [4], 1 mm isotropic voxel size templates were created, along with 0.5 mm isotropic whole brain templates and 0.3 mm isotropic templates of the midbrain. All templates were created from 126 PD patients (44 female; ages=40-87), and 17 healthy controls (13 female; ages=39-84), except the NM template, which was created from 85 PD patients and 13 controls, respectively. The dataset is available on the NIST MNI Repository via the following link: http://nist.mni.mcgill.ca/multi-contrast-pd126-and-ctrl17-templates/ .
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,005 |
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 source (Gemma direct ou Codex distillé), 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 ».