IRM de diffusion par encodage tenseur-b : déconvolution sphérique contrainte et décomposition de la variance diffusionnelle
Notice bibliographique
Résumé
Le cerveau humain est composé de plusieurs milliards de neurones qui forment une multitude de connexions, se regroupant en fibres de matière blanche (WM) sur plus de 160 000 kilomètres au total. L’imagerie par résonance magnétique (IRM) de diffusion (IRMd) tire profit de l’atténuation du signal de résonance magnétique causée par la diffusion des molécules d’eau dans le cerveau pour étudier ces structures sous-jacentes de manière non invasive. Le modèle d’imagerie par tenseur de diffusion (DTI) permet d’accéder à différentes mesures procurant de l’information sur la mésostructure du cerveau à partir de données d'IRMd, en manquant cependant de spécificité face à la nature microscopique du signal. Le modèle de déconvolution sphérique contrainte (CSD) permet de reconstruire une carte des fonctions de distribution d'orientations de fibres (fODF) de WM dans le cerveau de façon précise à partir de l'imagerie de diffusion à haute résolution angulaire (HARDI), ce qui peut être utilisé par un algorithme de tractographie pour cartographier le connectome structurel humain. Afin de surmonter le manque de spécificité présent en DTI, l’IRM de diffusion par encodage tenseur-b a vu le jour dans les années 2000. Cette technique utilise différents encodages de gradients de diffusion (p. ex., encodages linéaire, planaire et sphérique) pour donner accès à des mesures plus fines de la structure microscopique des tissus cérébraux, sous la forme de mesures de microstructure novatrices. Cependant, les données d'IRMd par encodage tenseur-b sont complexes et ne s'appliquent pas directement au modèle de CSD, sans compter que l'impact de ces données sur la reconstruction des fODFs est inconnu. Le présent mémoire vise donc à élaborer les fondations mathématiques et techniques d'une CSD adaptée aux données d'IRMd par encodage tenseur-b. Une évaluation des performances de reconstruction des fODFs par ce modèle est ensuite effectuée sur des données simulées, en parallèle avec des mesures d'efficacité du calcul des mesures de microstructure. L'étude révèle que l'ajout d'un encodage planaire ou sphérique à un encodage linéaire réduit de seulement quelques degrés la résolution angulaire des fODFs reconstruites. De plus, la combinaison d'encodages linéaire et sphérique mène à un calcul précis des mesures de microstructure. Les résultats de ces travaux, incluant la proposition d'un protocole d'IRMd par encodage tenseur-b d'une durée de 10 minutes et 30 secondes, ouvrent la porte à la reconstruction des fODFs jumelée au calcul des précieuses mesures de microstructure.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | aucune catégorie Domaine: non disponible · Genre: Autre Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Sans objet | low |
| gpt | aucune catégorie Domaine: non disponible · Genre: Méthodes Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Expérimental (laboratoire) | low |
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,003 |
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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».