Multiorientation mapping of white matter fiber microstructures in whole mouse brains using serial optical coherence tomography
Notice bibliographique
Résumé
Previous studies have shown that the optical coherence tomography (OCT) signal in white matter (WM) is affected by the WM fiber bundles orientation with respect to the microscope’s optical axis. In this paper, we aim to exploit this contrast mechanism to generate a multi-orientation representation of WM microstructure in whole mouse brains. To achieve this, a serial blockface histology set-up has been developed combined with spectral domain OCT equipped with a long-range 10x magnification objective, achieving a near isotropic resolution of 3 micron laterally (xy) and 3.5 micron axially (z). With this imaging system, a map of WM structures can be generated for an entire agarose embedded mouse brain. To precisely control the mouse brain orientation within the agarose, we designed a multi-part 3D printed mold, which allows us to choose the vibratome’s slicing plane (e.g., coronal, axial, sagittal, etc.). After the serial OCT acquisition, every slice is reconstructed as 2D images and stacked to obtain a 2.5D volume. The reconstruction process uses a nextflow computational pipeline, allowing us to parallelize the calculations. Our proposed imaging method emphasizes different WM structures according to their orientation, which we illustrated in the mouse’s anterior commissure olfactory limb. This structure is very bright when observed in axial slices, whereas it has a darker appearance in the coronal slices. Using this method, we plan to acquire whole mouse brains oriented in multiple directions and to create a multi-orientation mouse brain template, which we believe will prove useful to get a better understanding of complex WM microstructure geometries, such as fiber crossing areas.
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 | 0,000 | 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) | 0,001 | 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 ».