MétaCan
Menu
Retour à la cohorte
Enregistrement W4389327159 · doi:10.1162/imag_a_00055

Robust frequency-dependent diffusional kurtosis computation using an efficient direction scheme, axisymmetric modelling, and spatial regularization

2023· article· en· W4389327159 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueImaging Neuroscience · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced Neuroimaging Techniques and Applications
Établissements canadiensRobarts Clinical TrialsWestern University
Organismes subventionnairesCongressionally Directed Medical Research ProgramsCanada First Research Excellence FundNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsU.S. Department of Defense
Mots-clésKurtosisComputationRotational symmetryRegularization (linguistics)AlgorithmComputer scienceScheme (mathematics)MathematicsApplied mathematicsStatistical physicsMathematical optimizationPhysicsMathematical analysisArtificial intelligenceStatisticsGeometry

Résumé

récupéré en direct d'OpenAlex

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,565
Score d'incertitude au seuil0,585

Scores Codex et Gemma par catégorie

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

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 Opus0,112
Tête enseignante GPT0,345
Écart entre enseignants0,232 · 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