Robust frequency-dependent diffusional kurtosis computation using an efficient direction scheme, axisymmetric modelling, and spatial regularization
Notice bibliographique
Résumé
Abstract Frequency-dependent diffusion MRI (dMRI) using oscillating gradient encoding and diffusional kurtosis imaging (DKI) techniques have been shown to provide additional insight into tissue microstructure compared to conventional dMRI. However, a technical challenge when combining these techniques is that the generation of the large b-values (≥2000 s/mm2) required for DKI is difficult when using oscillating gradient diffusion encoding. While efficient encoding schemes can enable larger b-values by maximizing multiple gradient channels simultaneously, they do not have sufficient directions to enable the estimation of directional kurtosis parameters. Accordingly, we investigate a DKI fitting algorithm that combines axisymmetric DKI fitting, a prior that enforces the same axis of symmetry for all oscillating gradient frequencies, and spatial regularization, which together enable robust DKI fitting for a 10-direction scheme that offers double the b-value compared to traditional encoding schemes. Using data from mice (oscillating frequencies of 0, 60, and 120 Hz) and humans (0 Hz only), we first show that axisymmetric DKI fitting provides comparable or even slightly improved image quality as compared to kurtosis tensor fitting, and improved DKI map quality when using an efficient encoding scheme with averaging as compared to a traditional scheme with more encoding directions. We also demonstrate that enforcing consistent axes of symmetries across frequencies improves fitting quality, and spatial regularization during fitting preserves spatial features better than using Gaussian filtering prior to fitting, which is an oft-reported pre-processing step for DKI. Thus, the use of an efficient 10-direction scheme combined with the proposed DKI fitting algorithm provides robust maps of frequency-dependent directional kurtosis which may offer increased sensitivity to cytoarchitectural changes that occur at various cellular spatial scales over the course of healthy aging, and due to pathological alterations.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».