Curved multiplanar reformatting allows the accurate histological delineation of hippocampal subfields
Notice bibliographique
Résumé
BACKGROUND: Hippocampal subfields perform specific roles in normal cognitive functioning and have distinct vulnerabilities in neurological disorders. However, measurement of subfields with MRI is technically difficult in the head and tail of the hippocampus. Recent studies have utilized curved multiplanar reconstruction (CMPR) to improve subfield visualization in the head and tail, but this method has not yet been applied to histological data. METHODS: We utilized BigBrain data, an open-source database of serially sectioned histological data for our analyses. The left hippocampus was segmented according to histological criteria by two raters in order to evaluate intra- and inter-rater reliability of histology-based segmentation throughout the long axis. Segmentation according to our previous protocol for the hippocampal body was then compared to these histological measurements to evaluate for histological validity. Agreement between segmentations was evaluated using Dice similarity coefficients (DSCs). RESULTS: Intra-rater reliability (DSCs) of histological segmentation was excellent for all subfields: CA1 (0.8599), CA2 (0.7586), CA3/CA4/DG (0.8907), SLM (0.9123), subiculum (0.8149). Similarly, inter-rater reliability analysis demonstrated excellent agreement (DSCs) for all subfield locations: CA1 (0.8203), CA2 (0.7253), CA3/CA4/DG (0.8439), SLM (0.8700), subiculum (0.7794). Finally, histological accuracy (DSCs) for our previous protocol was excellent for all subfields: CA1 (0.8821), CA2 (0.8810), CA3/CA4/DG (0.9802), SLM (0.9879), subiculum (0.8774). When subfields in the hippocampus head, body, and tail were analyzed independently, DSCs also showed excellent agreement. CONCLUSIONS: CMPR allows reliable subfield segmentation based on histological criteria throughout the hippocampal head, body, and tail. Our previous protocol for the hippocampal body can be applied to provide histologically valid subfield measurements throughout the entire hippocampal long axis.
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 | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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 ».