Automatic analysis of skull thickness, scalp-to-cortex distance and association with age and sex in cognitively normal elderly
Notice bibliographique
Résumé
Abstract Personalized neurostimulation has been a potential treatment for many brain diseases, which requires insights into brain/skull geometry. Here, we developed an open source efficient pipeline BrainCalculator for automatically computing the skull thickness map, scalp-to-cortex distance (SCD), and brain volume based on T 1 -weighted magnetic resonance imaging (MRI) data. We examined the influence of age and sex cross-sectionally in 407 cognitively normal older adults (71.9±8.0 years, 60.2% female) from the ADNI. We demonstrated the compatibility of our pipeline with commonly used preprocessing packages and found that BrainSuite Skullfinder was better suited for such automatic analysis compared to FSL Brain Extraction Tool 2 and SPM12- based unified segmentation using ground truth. We found that the sphenoid bone and temporal bone were thinnest among the skull regions in both females and males. There was no increase in regional minimum skull thickness with age except in the female sphenoid bone. No sex difference in minimum skull thickness or SCD was observed. Positive correlations between age and SCD were observed, faster in females (0.307%/y) than males (0.216%/y) in temporal SCD. A negative correlation was observed between age and whole brain volume computed based on brain surface (females -1.031%/y, males -0.998%/y). In conclusion, we developed an automatic pipeline for MR-based skull thickness map, SCD, and brain volume analysis and demonstrated the sex-dependent association between minimum regional skull thickness, SCD and brain volume with age. This pipeline might be useful for personalized neurostimulation planning.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».