Multi-Site Structural Magnetic Resonance Imaging of Myelin
Notice bibliographique
Résumé
Multi-site MRI studies collect large amounts of data in a short time frame. Large sample sizes are desirable to address power and replicability issues that have been problematic for scientists in the past. Although multi-site MRI solves the sample size problem, it brings with it a new set of challenges. Scanning the same person at different sites might result in differences in MRI derived measurements. In this thesis we compared three approaches to facilitate the analysis of multi-site MRI data: quantitative R1 mapping, adding site as a covariate in a linear model, and using the ComBat method. We also investigated the relationship between two common MRI measurements: signal and volume. We collected data from 64 healthy participants across 3 GE scanners and 1 Siemens scanner at 3T. We found that signal intensity was different between vendors whereas volume was not. Our R1 method resulted in values that were different across vendor and significantly lower than those reported in the literature. B1+ maps used to calculate R1 were different across sites. Using a scale factor, we were able to compensate for mistakes in R1 mapping. We also found that adding site as a covariate corrected mean differences in signal intensity across sites, but not differences in variance. The ComBat method gave best similarity between sites. However, since different people were scanned at each site, we couldn’t evaluate the effectiveness of each method as variation in the data could have been due to site effects or heterogeneity in participants. White matter volume and signal intensity in the white matter were correlated in males but not in females. We found that this low correlation was caused by outliers in our female sample. The correlation between white matter volume and signal in males suggests that both metrics are measuring myelin and can be used as converging evidence to detect changes in brain myelination.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».