A database of magnetic resonance imaging‐transcranial ultrasound co‐registration
Notice bibliographique
Résumé
PURPOSE: As a portable and cost-effective imaging modality with better accessibility than Magnetic Resonance Imaging (MRI), transcranial sonography (TCS) has demonstrated its flexibility and potential utility in various clinical diagnostic applications, including Parkinson's disease and cerebrovascular conditions. To better understand the information in TCS for data analysis and acquisition, MRI can provide guidance for efficient imaging with neuronavigation systems and the confirmation of disease-related abnormality. In these cases, MRI-TCS co-registration is crucial, but relevant public databases are scarce to help develop the related algorithms and software systems. ACQUISITION AND VALIDATION METHODS: This dataset comprises manually registered MRI and transcranial ultrasound volumes from eight healthy subjects. Three raters manually registered each subject's scans, based on visual inspection of image feature correspondence. Average transformation matrices were computed from all raters' alignments for each subject. Inter- and intra-rater variability in the transformations conducted by raters are presented to validate the accuracy and consistency of manual registration. In addition, a population-averaged MRI brain vascular atlas is provided to facilitate the development of computer-assisted TCS acquisition software. DATA FORMAT AND USAGE NOTES: The dataset is provided in both NIFTI and MINC formats and is publicly available on the OSF data repository: https://osf.io/zdcjb/. POTENTIAL APPLICATIONS: This dataset provides the first public resource for the development and assessment of MRI-TCS registration with manual ground truths, as well as resources for establishing neuronavigation software in data acquisition and analysis of TCS. These technical advancements could greatly boost TCS as an imaging tool for clinical applications in the diagnosis of neurological conditions such as Parkinson's disease and cerebrovascular disorders.
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 | 0,003 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,009 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,006 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,022 | 0,053 |
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 ».