Revisiting the interpretation of axon diameter mapping using higher-order signal representations
Notice bibliographique
Résumé
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 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 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».