A Riemannian framework for incorporating white matter bundle prior in orientation distribution function based tractography algorithms
Notice bibliographique
Résumé
Diffusion magnetic resonance imaging (dMRI) tractography is a powerful approach to study brain structural connectivity. However, its reliability in a clinical context is still highly debated. Recent studies have shown that most classical algorithms achieve to recover the majority of existing true bundles. However, the generated tractograms contain many invalid bundles. This is due to the crossing fibers and bottleneck problems which increase the number of false positive fibers. In this work, we proposed to overpass this limitation with a novel method to guide the algorithms in those challenging regions with prior knowledge of the anatomy. We developed a method to create a combination of anatomical prior applicable to any orientation distribution function (ODF)-based tractography algorithms. The proposed method captures the tract orientation distribution (TOD) from an atlas of segmented fiber bundles and incorporates it during the tracking process, using a Riemannian framework. We tested the prior incorporation method on two ODF-based state-of-the-art algorithms, iFOD2 and Trekker PTT, on the diffusion-simulated connectivity (DiSCo) dataset and on the Human Connectome Project (HCP) data. We also compared our method with two bundles priors generated by the bundle specific tractography (BST) method. We showed that our method improves the overall spatial coverage and connectivity of a tractogram on the two datasets, especially in crossing fiber regions. Moreover, the fiber reconstruction may be improved on clinical data, informed by prior extracted on high quality data, and therefore could help in the study of brain anatomy and function.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».