The FinnBrain Multimodal Neonatal Template and Atlas Collection: T1, T2, and DTI brain templates, and accompanying cortical and subcortical atlases
Notice bibliographique
Résumé
Abstract The accurate processing of neonatal and infant brain MRI data is crucially important for developmental neuroscience, but presents challenges that child and adult data do not. Tissue segmentation and image coregistration accuracy can be improved by optimizing template images and / or related segmentation procedures. Here, we describe the construction of the FinnBrain Neonate (FBN-125) template; a multi-contrast template with T1- and T2-weighted as well as diffusion tensor imaging derived fractional anisotropy and mean diffusivity images. The template is symmetric and aligned to the Talairach-like MNI 152 template and has high spatial resolution (0.5 mm 3 ). In addition, we provide atlas labels, constructed from manual segmentations, for cortical grey matter, white matter, cerebrospinal fluid, brainstem, and cerebellum as well as the bilateral hippocampi, amygdalae, caudate nuclei, putamina, globi pallidi, and thalami. We provide this multi-contrast template along with the labelled atlases for the use of the neuroscience community in the hope that it will prove useful in advancing developmental neuroscience, for example, by helping to achieve reliable means for spatial normalization and measures of neonate brain structure via automated computational methods. Additionally, we provide standard co-registration files that will enable investigators to reliably transform their statistical maps to the adult MNI space, which has the potential to improve the consistency and comparability of neonatal studies or the use of adult MNI space atlases in neonatal neuroimaging.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,021 | 0,010 |
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 ».