Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > q-bio > arXiv:2510.17273

帮助 | 高级搜索

定量生物学 > 定量方法

arXiv:2510.17273 (q-bio)
[提交于 2025年10月20日 ]

标题: 一种使用扩散映射研究创伤性脑损伤丘脑连接性的纤维追踪分析框架

标题: A Tractography Analysis Framework Using Diffusion Maps to Study Thalamic Connectivity in Traumatic Brain Injury

Authors:Akul Sharma, Anand A. Joshi, Richard M. Leahy
摘要: 创伤性脑损伤(TBI)破坏了丘脑皮层连接,导致认知障碍和创伤后癫痫(PTE)。 本研究提出了一种基于纤维追踪的框架,利用扩散图来捕捉丘脑白质路径的微结构和组织变化。 通过分析个体流线特征,我们发现了扩散图嵌入与功能结果(GOSE评分)之间的显著关联,突出了可能的损伤严重程度和恢复轨迹生物标志物。 我们的研究结果表明,白质纤维的细粒度几何特征可能为TBI相关的改变提供更敏感的标记。
摘要: Traumatic brain injury (TBI) disrupts thalamocortical connectivity, contributing to cognitive impairment and post-traumatic epilepsy (PTE). This study presents a novel tractography-based framework that leverages diffusion maps to capture microstructural and organizational changes in thalamic white matter pathways. By analyzing individual streamline characteristics, we identified significant associations between diffusion map embeddings and functional outcomes (GOSE scores), highlighting potential biomarkers for injury severity and recovery trajectories. Our findings suggest that fine-grained geometric features of white matter tracts may provide a more sensitive marker for TBI-related alterations.
评论: 评论:6页,1图。提交并被接受至IEEE医学与生物学工程会议(EMBC)2025
主题: 定量方法 (q-bio.QM)
MSC 类: 68T07, 62H30 68T07, 62H30 68T07, 62H30
ACM 类: I.2.10; I.5.4; J.3
引用方式: arXiv:2510.17273 [q-bio.QM]
  (或者 arXiv:2510.17273v1 [q-bio.QM] 对于此版本)
  https://doi.org/10.48550/arXiv.2510.17273
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Akul Sharma [查看电子邮件]
[v1] 星期一, 2025 年 10 月 20 日 07:59:17 UTC (160 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
查看许可
当前浏览上下文:
q-bio
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-10
切换浏览方式为:
q-bio.QM

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号