Mapping the macrostructure and microstructure of the in vivo human hippocampus using diffusion <scp>MRI</scp>
Notice bibliographique
Résumé
The hippocampus is classically divided into mesoscopic subfields which contain varying microstructure that contribute to their unique functional roles. It has been challenging to characterize this microstructure with current magnetic resonance based neuroimaging techniques. In this work, we used diffusion magnetic resonance imaging (dMRI) and a novel surface-based approach in the hippocampus which revealed distinct microstructural distributions of neurite density and dispersion, T1w/T2w ratio as a proxy for myelin content, fractional anisotropy, and mean diffusivity. We used the neurite orientation dispersion and density imaging (NODDI) model optimized for grey matter diffusivity to characterize neurite density and dispersion. We found that neurite dispersion was highest in the cornu ammonis (CA) 1 and subiculum subfields which likely captures the large heterogeneity of tangential and radial fibres, such as the Schaffer collaterals, perforant path, and pyramidal neurons. Neurite density and T1w/T2w were highest in the subiculum and CA3 and lowest in CA1, which may reflect known myeloarchitectonic differences between these subfields. Using a simple logistic regression model, we showed that neurite density, dispersion, and T1w/T2w measures were separable across the subfields, suggesting that they may be sensitive to the known variability in subfield cyto- and myeloarchitecture. We report macrostructural measures of gyrification, thickness, and curvature that were in line with ex vivo descriptions of hippocampal anatomy. We employed a multivariate orthogonal projective non-negative matrix factorization (OPNNMF) approach to capture co-varying regions of macro- and microstructure across the hippocampus. The clusters were highly variable along the medial-lateral (proximal-distal) direction, likely reflecting known differences in morphology, cytoarchitectonic profiles, and connectivity. Finally, we show that by examining the main direction of diffusion relative to canonical hippocampal axes, we could identify regions with stereotyped microstructural orientations that may map onto specific fibre pathways, such as the Schaffer collaterals, perforant path, fimbria, and alveus. These results highlight the value of combining in vivo dMRI with computational approaches for capturing hippocampal microstructure, which may provide useful features for understanding cognition and for diagnosis of disease states.
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 | 0,001 | 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 ».