The impact of localization and registration accuracy on estimates of deep brain stimulation electrode position in stereotactic space
Notice bibliographique
Résumé
Effects of deep brain stimulation (DBS) depend on millimetric accuracy and are commonly studied across populations by registering patient scans to a stereotactic space. Multiple factors contribute to estimates of electrode position, but the millimetric contributions of these factors remain poorly quantified. We previously validated 32 anatomical fiducials (AFIDs) to measure AFID registration error (AFRE), which can capture focal misregistration not observed using volume-based methods. To this end, we used the AFIDs framework to examine the effects of misregistration on electrode position in stereotactic space, leveraging a retrospective series of patients who underwent subthalamic nucleus (STN) DBS. Raters independently localized DBS electrodes and AFIDs on patient scans, which were non-linearly registered to a common stereotactic (MNI) space. AFIDs provided intuitive measures of registration accuracy, with AFREs ranging from 1.49 mm to 6.85 mm across brain regions. Subcortical AFIDs in proximity to the DBS target (STN) had AFREs that spatially covaried, suggesting consistent spatial patterns of misregistration to stereotactic space. These identified spatial patterns account for 28% of the variance in electrode position along the axis of maximum variance, corresponding to a median of 0.64 mm (range of 0.05 to 2.05 mm). The AFIDs framework provides millimetric estimates of registration accuracy in DBS, while allowing the uncoupling of registration-related factors from other sources of variance in electrode position. Furthermore, they can be employed for estimating registration-related variance in population studies, for quality control, and to provide a basis for comparison as well as optimization of registration parameters and software.
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 | 0,001 |
| 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».