The FinnBrain multimodal neonatal template and atlas collection
Notice bibliographique
Résumé
The accurate processing of neonatal and infant brain MRI data is crucial for developmental neuroscience but presents unique challenges that child and adult data do not. Tissue segmentation and image coregistration accuracy can be improved by optimizing template images and related segmentation procedures. Here, we describe the construction of the FinnBrain Neonate (FBN-125) template, a multi-contrast template with T1- and T2-weighted, as well as diffusion tensor imaging-derived fractional anisotropy and mean diffusivity images. The template is symmetric, aligned to the Talairach-like MNI-152 template, and has high spatial resolution (0.5 mm³). Additionally, we provide atlas labels, constructed from manual segmentations, for cortical grey matter, white matter, cerebrospinal fluid, brainstem, cerebellum as well as the bilateral hippocampi, amygdalae, caudate nuclei, putamina, globi pallidi, and thalami. This multi-contrast template and labelled atlases aim to advance developmental neuroscience by achieving reliable means for spatial normalization and measures of neonate brain structure via automated computational methods. We also provide standard volumetric and surface co-registration files to enable investigators to transform their statistical maps to the adult MNI space, improving the consistency and comparability of neonatal studies or the use of adult MNI space atlases in neonatal neuroimaging.
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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».