Down-sampling in diffusion MRI: a bundle-specific DTI and NODDI study
Notice bibliographique
Résumé
Introduction Multi-shell diffusion Magnetic Resonance Imaging (dMRI) data has been widely used to characterise white matter microstructure in several neurodegenerative diseases. The lack of standardised dMRI protocols often implies the acquisition of redundant measurements, resulting in prolonged acquisition times. In this study, we investigate the impact of the number of gradient directions on Diffusion Tensor Imaging (DTI) and on Neurite Orientation Dispersion and Density Imaging (NODDI) metrics. Methods Data from 124 healthy controls collected in three different longitudinal studies were included. Using an in-house algorithm, we reduced the number of gradient directions in each data shell. We estimated DTI and NODDI measures on six white matter bundles clinically relevant for neurodegenerative diseases. Results Fractional Anisotropy (FA) measures on bundles where data were sampled at the 30% rate, showed a median L1 distance of up to 3.92% and a 95% CI of (1.74, 8.97)% when compared to those obtained at reference sampling. Mean Diffusivity (MD) reached up to 4.31% and a 95% CI of (1.60, 16.98)% on the same premises. At a sampling rate of 50%, we obtained a median of 3.90% and a 95% CI of (1.99, 16.65)% in FA, and 5.49% with a 95% CI of (2.14, 21.68)% in MD. The Intra-Cellular volume fraction (ICvf) median L1 distance was up to 2.83% with a 95% CI of (1.98, 4.82)% at a 30% sampling rate and 3.95% with a 95% CI of (2.39, 7.81)% at a 50% sampling rate. The volume difference of the reconstructed white matter at reference and 50% sampling reached a maximum of (2.09 ± 0.81)%. Discussion In conclusion, DTI and NODDI measures reported at reference sampling were comparable to those obtained when the number of dMRI volumes was reduced by up to 30%. Close to reference DTI and NODDI metrics were estimated with a significant reduction in acquisition time using three shells, respectively with: 4 directions at a b value of 700 s/mm2, 14 at 1000 s/mm2, and 32 at 2000 s/mm2. The study revealed aspects that can be important for large-scale clinical studies on bundle-specific diffusion MRI.
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 | 0,006 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».