Harmonized connectome resampling for variance in voxel sizes
Notice bibliographique
Résumé
Diffusion MRI (dMRI) fiber tractography presents exciting opportunities to deepen our knowledge of human brain connectivity and discover novel alterations in white matter. To date, there has been no comprehensive study characterizing the effect of dMRI voxel resolution on the resulting connectome for subject data. We assessed the statistical significance of graph measures derived from dMRI data by comparing connectomes from the same scans across different resolutions with 44 subjects (32 female) from the Human Connectome Project - Young Adult dataset (HCP-YA) with scan/rescan data (88 scans). We explored 15 isotropic and anisotropic resolutions, generated tractography and connectomes, and compared graph measures between each resolution and its nearest larger and smaller resolutions. Nearly all pairwise comparisons yielded statistically significant differences in graph measures (p ≤ 0.05, Wilcoxon Sign-Rank Test). Upon up sampling the 14 down sampled resolutions in 0.5 mm increments, we observed mitigation of the spatial sampling effect on both the tractography and the connectome's complex graph measures. To investigate translational impact, we resampled 22 subjects from HCP-YA to the resolutions of two major national studies and up-sampled this data back to 1 mm isotropic with different interpolation methods. Similarity in results improved with higher resolution, even after initial down-sampling. To ensure robust tractography and connectomes, resample data to 1 mm isotropic resolution.
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 | 0,000 |
| 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) | 0,000 | 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 ».