Bibliographic record
Abstract
Wir stellen ein benutzerfreundliches, standardisiertes Protokoll für die Traktografie der wichtigsten Sprachfaserbündel des perisylvischen Sprachnetzwerks vor. Die Traktografie benötigt diffusionsgewichtete Magnetresonanztomografie (dMRT) Bilder, während die region of interest (ROI)-Definition auf strukturellen T1 MPRAGE (magnetization-prepared radio-frequency pulses and rapid gradient-echo) MRT-Vorlagen basiert, ohne eine räumliche Normalisierung in den Montreal Neurological Institute (MNI)-Raum. ROI’s für fünf sprachrelevante Faserbündel wurden in einer axialen, koronalen oder sagittalen Ansicht von T1 MPRAGE Bildern visualisiert. Die ROI’s wurden auf der Grundlage der obligaten Wege der Faserbündel definiert, die sich aus der Literatur und eigenen Erfahrungen in der peritumoralen Traktografie ableiten lassen. Die resultierende Anleitung wurde für jedes Faserbündel bei 10 gesunden Probanden und 10 Patienten von einem Experten und drei Untersuchern bewertet. Insgesamt wurden 300 ROI’s gesetzt und verglichen. Die angestrebten Sprachfaserbündel konnten in 88% der ROI-Paare verfolgt werden, basierend auf dem Ergebnis der Blindstudie. Die Auswertung ergab, dass die Präzision der ROI’s nicht mit der unterschiedlichen Erfahrung der Untersucher zusammenhängt. Unser Leitfaden stellt eine standardisierte Sprach-Traktografie Methode für die routinemäßige, präoperative Aufarbeitung und für Forschungskontexte vor. Die ROI-Platzierungsanleitung, die auf leicht zu identifizierenden anatomischen Landmarken basiert, hat sich auch bei unerfahrenen Untersuchern als benutzerfreundlich und genau erwiesen.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.007 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.005 | 0.003 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.042 | 0.028 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".