Lead-DBS v3.0: Mapping deep brain stimulation effects to local anatomy and global networks
Notice bibliographique
Résumé
Following its introduction in 2014 and with support of a broad international community, the open-source toolbox Lead-DBS has evolved into a comprehensive neuroimaging platform dedicated to localizing, reconstructing, and visualizing electrodes implanted in the human brain, in the context of deep brain stimulation (DBS) and epilepsy monitoring. Expanding clinical indications for DBS, increasing availability of related research tools, and a growing community of clinician-scientist researchers, however, have led to an ongoing need to maintain, update, and standardize the codebase of Lead-DBS. Major development efforts of the platform in recent years have now yielded an end-to-end solution for DBS-based neuroimaging analysis allowing comprehensive image preprocessing, lead localization, stimulation volume modeling, and statistical analysis within a single tool. The aim of the present manuscript is to introduce fundamental additions to the Lead-DBS pipeline including a deformation warpfield editor and novel algorithms for electrode localization. Furthermore, we introduce a total of three comprehensive tools to map DBS effects to local, tract- and brain network-levels. These updates are demonstrated using a single patient example (for subject-level analysis), as well as a retrospective cohort of 51 Parkinson's disease patients who underwent DBS of the subthalamic nucleus (for group-level analysis). Their applicability is further demonstrated by comparing the various methodological choices and the amount of explained variance in clinical outcomes across analysis streams. Finally, based on an increasing need to standardize folder and file naming specifications across research groups in neuroscience, we introduce the brain imaging data structure (BIDS) derivative standard for Lead-DBS. Thus, this multi-institutional collaborative effort represents an important stage in the evolution of a comprehensive, open-source pipeline for DBS imaging and connectomics.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,044 | 0,014 |
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 ».