Seeking the Amygdala: Novel Use of Diffusion Tensor Imaging to Delineate the Basolateral Amygdala
Notice bibliographique
Résumé
The amygdaloid complex, including the basolateral nucleus (BLA), contributes crucially to emotional and cognitive brain functions, and is a major target of research in both humans and rodents. However, delineating structural amygdala plasticity in both normal and disease-related contexts using neuroimaging has been hampered by the difficulty of unequivocally identifying the boundaries of the BLA. This challenge is a result of the poor contrast between BLA and the surrounding gray matter, including other amygdala nuclei. Here, we describe a novel diffusion tensor imaging (DTI) approach to enhance contrast, enabling the optimal identification of BLA in the rodent brain from magnetic resonance (MR) images. We employed this methodology together with a slice-shifting approach to accurately measure BLA volumes. We then validated the results by direct comparison to both histological and cellular-identity (parvalbumin)-based conventional techniques for defining BLA in the same brains used for MRI. We also confirmed BLA connectivity targets using DTI-based tractography. The novel approach enables the accurate and reliable delineation of BLA. Because this nucleus is involved in and changed by developmental, degenerative and adaptive processes, the instruments provided here should be highly useful to a broad range of neuroimaging studies. Finally, the principles used here are readily applicable to numerous brain regions and across species.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».