MétaCan
Menu
Retour à la cohorte
Enregistrement W4386252129 · doi:10.1111/ejn.16135

Effect of number of diffusion encoding directions in neonatal diffusion tensor imaging using Tract‐Based Spatial Statistical analysis

2023· article· en· W4386252129 sur OpenAlexaff
Harri Merisaari, Linnéa Karlsson, Noora M. Scheinin, Satu J. Shulist, John D. Lewis, Hasse Karlsson, Jetro J. Tuulari

Notice bibliographique

RevueEuropean Journal of Neuroscience · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced Neuroimaging Techniques and Applications
Établissements canadiensMcGill UniversityMontreal Neurological Institute and Hospital
Organismes subventionnairesTurun YliopistosäätiöTurun Yliopistollinen KeskussairaalaEmil Aaltosen SäätiöSigne ja Ane Gyllenbergin SäätiöJane ja Aatos Erkon SäätiöAcademy of FinlandVarsinais-Suomen SairaanhoitopiiriAlfred Kordelinin Säätiö
Mots-clésDiffusion MRIDiffusionEncoding (memory)Statistical physicsNeuroscienceComputer scienceMedicinePhysicsBiologyRadiologyMagnetic resonance imaging

Résumé

récupéré en direct d'OpenAlex

Diffusion tensor imaging (DTI) has been used to study the developing brain in early childhood, infants and in utero studies. In infants, number of used diffusion encoding directions has traditionally been smaller in earlier studies down to the minimum of 6 orthogonal directions. Whereas the more recent studies often involve more directions, number of used directions remain an issue when acquisition time is optimized without compromising on data quality and in retrospective studies. Variability in the number of used directions may introduce bias and uncertainties to the DTI scalar estimates that affect cross-sectional and longitudinal study of the brain. We analysed DTI images of 133 neonates, each data having 54 directions after quality control, to evaluate the effect of number of diffusion weighting directions from 6 to 54 with interval of 6 to the DTI scalars with Tract-Based Spatial Statistics (TBSS) analysis. The TBSS analysis was applied to DTI scalar maps, and the mean region of interest (ROI) values were extracted using JHU atlas. We found significant bias in ROI mean values when only 6 directions were used (positive in fractional anisotropy [FA] and negative in fractional anisotropy [MD], axial diffusivity [AD] and fractional anisotropy [RD]), while when using 24 directions and above, the difference to scalar values calculated from 54 direction DTI was negligible. In repeated measures voxel-wise analysis, notable differences to 54 direction DTI were observed with 6, 12 and 18 directions. DTI measurements from data with at least 24 directions may be used in comparisons with DTI measurements from data with higher numbers of directions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,015
score de la tête « metaresearch » (Gemma)0,068
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,081

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,068
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,043
Tête enseignante GPT0,374
Écart entre enseignants0,331 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Journal of NeuroscienceMême sujetAdvanced Neuroimaging Techniques and ApplicationsTravaux en français237 207