Revisiting the Role of Structural Connectivity-Based Parcellation in Thalamic Nuclei Segmentation: comparison with recent state-of-the-art methods
Notice bibliographique
Résumé
Accurate thalamic nuclei segmentation is critical for neuroscience research and clinical interventions such as deep brain stimulation and magnetic resonance guided focused ultrasound. Connectivity based parcellation has been widely used for two decades, yet its anatomical validity remains uncertain compared with newer imaging approaches. Methods: We analyzed high resolution diffusion magnetic resonance imaging (MRI) and T1 weighted data from 67 healthy young adults in the Human Connectome Project. Connectivity based parcellation was performed using probabilistic tractography with cortical targets derived from the HCP MMP1 atlas, generating 8, 11, and 23 region parcellations. Results were compared against three state of the art methods: orientation distribution function (ODF) clustering, track density imaging (TDI), and the structural MRI based segmentation. Group level analyses were conducted in Montreal Neurological Institute and Hospital (MNI) space, and Dice overlap coefficients were calculated against the histology based Morel atlas. Results: Connectivity based parcellation demonstrated limited anatomical precision, with increasing cortical target counts introducing greater variability and noise without improving nuclear boundary definition. ODF clustering and TDI recovered subdivisions consistent with cytoarchitectonic patterns, particularly in the pulvinar and mediodorsal nuclei. Structural MRI based segmentation achieved the highest overall Dice coefficients, closely approximating Morel defined boundaries, while Connectivity based parcellation consistently underperformed across nuclei. Conclusion: Despite methodological advances, Connectivity based parcellation remains constrained in its ability to delineate thalamic nuclei with histological accuracy. By contrast, structural and diffusion microstructural (ODF, TDI) approaches provide superior nuclear localization. These findings highlight the need for hybrid workflows that integrate structural and diffusion based information to enable more reliable thalamic segmentation for research and clinical targeting applications.
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 | 0,010 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».