Gray matter alterations in early aging: A diffusion magnetic resonance imaging study
Notice bibliographique
Résumé
Many studies have observed altered neurofunctional and structural organization in the aging brain. These observations from functional neuroimaging studies show a shift in brain activity from the posterior to the anterior regions with aging (PASA model), as well as a decrease in cortical thickness, which is more pronounced in the frontal lobe followed by the parietal, occipital, and temporal lobes (retrogenesis model). However, very little work has been done using diffusion MRI (dMRI) with respect to examining the structural tissue alterations underlying these neurofunctional changes in the gray matter. Thus, for the first time, we propose to examine gray matter changes using diffusion MRI in the context of aging. In this work, we propose a novel dMRI based measure of gray matter "heterogeneity" that elucidates these functional and structural models (PASA and retrogenesis) of aging from the viewpoint of diffusion MRI. In a cohort of 85 subjects (all males, ages 15-55 years), we show very high correlation between age and "heterogeneity" (a measure of structural layout of tissue in a region-of-interest) in specific brain regions. We examine gray matter alterations by grouping brain regions into anatomical lobes as well as functional zones. Our findings from dMRI data connects the functional and structural domains and confirms the "retrogenesis" hypothesis of gray matter alterations while lending support to the neurofunctional PASA model of aging in addition to showing the preservation of paralimbic areas during healthy aging.
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 | 0,000 |
| 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 ».