MétaCan
Menu
Retour à la cohorte
Enregistrement W7110949963 · doi:10.1162/imag.a.1080

Revisiting the interpretation of axon diameter mapping using higher-order signal representations

2025· article· en· W7110949963 sur OpenAlexafffund

Notice bibliographique

RevueImaging Neuroscience · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced Neuroimaging Techniques and Applications
Établissements canadiensRobarts Clinical TrialsWestern University
Organismes subventionnairesEngineering and Physical Sciences Research CouncilNatural Sciences and Engineering Research Council of CanadaNational Institutes of HealthWolfson FoundationCenter for Advanced Imaging Innovation and ResearchCanada Research ChairsNational Institute of Biomedical Imaging and BioengineeringWellcome Trust
Mots-clésAxonScalingEstimatorRobustness (evolution)SIGNAL (programming language)PerpendicularMonte Carlo method

Résumé

récupéré en direct d'OpenAlex

Abstract Diffusion-weighted Magnetic Resonance Imaging (dMRI) has emerged as an imaging modality of interest to measure axon diameters noninvasively. The previously observed b-½ power law scaling suggests that high b-value dMRI signals originate from water confined within “stick” geometries, representing impermeable cellular processes. A key assumption is that any deviation from this power law at high b-values—modeled as a non-zero perpendicular intracellular diffusivity—must be specifically axonal in origin. Recent developments in axon diameter mapping build upon such assumptions, thereby neglecting the possibility that other cellular structures, such as glial processes, may also exhibit similar “stick”-like characteristics. This explorative study investigates the validity of axon diameter mapping by evaluating its robustness to experimental variation. In particular, it compares the mapping of the axon diameter using the zeroth- (spherical mean) and second-order (spherical variance) rotationally invariant spherical harmonic (RISH) features. As a condition for validity, axon diameter should be robust to such variations in RISH order. A novel log-linear estimator with a closed-form solution for computationally efficient axon diameter mapping is introduced, which can be applied with a minimum of two high b-value measurements. Using this estimator, it was observed that axon diameter measurements vary with RISH order, suggesting that high b-value signals from non-axonal cellular sources may confound axon diameter mapping. Monte Carlo simulations show that such dependence on RISH order could be explained by the presence of glial processes. Overall, these results highlight the need for caution in the interpretation of dMRI-derived “axon” diameter.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,076
Tête enseignante GPT0,400
Écart entre enseignants0,324 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueImaging NeuroscienceMême sujetAdvanced Neuroimaging Techniques and ApplicationsTravaux en français237 207