Evaluating normalized registration and preprocessing methodologies for the analysis of brain MRI in pediatric patients with shunt-treated hydrocephalus
Notice bibliographique
Résumé
Introduction: Registration to a standardized template (i.e. "normalization") is a critical step when performing neuroimaging studies. We present a comparative study involving the evaluation of general-purpose registration algorithms for pediatric patients with shunt treated hydrocephalus. Our sample dataset presents a number of intersecting challenges for registration, representing the potentially large deformations to both brain structures and overall brain shape, artifacts from shunts, and morphological differences corresponding to age. The current study assesses the normalization accuracy of shunt-treated hydrocephalus patients using freely available neuroimaging registration tools. Methods: Anatomical neuroimages from eight pediatric patients with shunt-treated hydrocephalus were normalized. Four non-linear registration algorithms were assessed in addition to the preprocessing steps of skull-stripping and bias-correction. Registration accuracy was assessed using the Dice Coefficient (DC) and Hausdorff Distance (HD) in subcortical and cortical regions. Results: A total of 592 registrations were performed. On average, normalizations performed using the brain extracted and bias-corrected images had a higher DC and lower HD compared to full head/ non-biased corrected images. The most accurate registration was achieved using SyN by ANTs with skull-stripped and bias corrected images. Without preprocessing, the DARTEL Toolbox was able to produce normalized images with comparable accuracy. The use of a pediatric template as an intermediate registration did not improve normalization. Discussion: Using structural neuroimages from patients with shunt-treated pediatric hydrocephalus, it was demonstrated that there are tools which perform well after specified pre-processing steps were taken. Overall, these results provide insight to the performance of registration programs that can be used for normalization of brains with complex pathologies.
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 | 0,005 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».