Role of player-specific white matter parcellation and scaling in impact-induced strain responses
Notice bibliographique
Résumé
Abstract Head finite element models (hFEMs) are instrumental in understanding injury mechanisms in head impacts. Personalizing hFEMs is crucial for capturing individualized brain responses, with brain volume scaling proving effective. However, the role of refined white matter (WM) segmentation in hFEMs for studying repetitive subconcussive head impacts (rSHIs) in American football remains underexplored. This study evaluated the effect of refined WM segmentation of 34 WM segments on responses variability due to brain volume variations, using peak maximum principal strain (95MPS) and strain rate (95MPSr) as injury predictive metrics. Data from diffusion-weighted imaging (DWI) of 21 Canadian varsity football players were utilized to personalize 21 hFEMs. Simulating four different head impacts, representing 50th and 99th percentile resultant accelerations in frontal and top-right directions, refined WM segmentation better captured variability of strain responses compared to baseline segmentation. Up to 94.76% of 95MPS and 99.05% of 95MPSr responses were significantly different across refined WM segments for players, compared to a maximum of 12.86% of responses with baseline segmentation. This highlights the necessity of refined WM segmentation for capturing player-specific responses. Both impact direction and intensity influenced strain response variations, with lower intensity and frontal impacts showing greater player-specificity. These findings emphasize the importance of refined WM segmentation in hFEMs for comprehensively evaluating strain responses under rSHI. Detailed WM segmentation in hFEMs is crucial for comprehensive injury assessment, enhancing the alignment of hFEMs with imaging studies evaluating changes in WM integrity across segments. The simple and straightforward method presented herein to achieve player-specific strain response is promising for future rSHI studies.
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 | 0,000 | 0,002 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».