Mitigating Head Position Bias in Perivascular Fluid Imaging: LD-ALPS, a Novel Method for DTI-ALPS Calculation
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND/OBJECTIVES: The glymphatic system is a recently characterized glial-dependent waste clearance pathway in the brain, which makes use of perivascular spaces for cerebrospinal fluid exchange. Diffusion tensor imaging analysis along the perivascular space (DTI-ALPS) offers a non-invasive method for estimating perivascular flow, but its biological specificity and susceptibility to methodological variation, particularly head position during MRI acquisition, remain as threats to the validity of this technique. This study aimed to assess the prevalence of current DTI-ALPS practices, evaluate the impact of head orientation on ALPS index calculation, and propose a novel computational approach to improve measurement validity. METHODS: We briefly reviewed DTI-ALPS literature to determine the use of head-orientation correction strategies. We then analyzed diffusion MRI data from 172 participants in the Alzheimer's Disease Neuroimaging Initiative (ADNI) to quantify the influence of head orientation on ALPS indices computed using the conventional Unrotated-ALPS, a vecrec-corrected ALPS, and the new LD-ALPS method proposed within. RESULTS: < 0.001), indicating systematic bias. This relationship was eliminated using either vecreg or LD-ALPS. Additionally, LD-ALPS showed more sensitivity to cognitive status as measured by Mini-Mental State Examination scores. CONCLUSIONS: Correcting for head orientation is essential in DTI-ALPS studies. The LD-ALPS method, while computationally more demanding, improves the reliability and sensitivity of perivascular fluid estimates, supporting its use in future research on aging and neurodegeneration.
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.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 découle