Changes in White Matter in Long-Term Survivors of Severe Non-Missile Traumatic Brain Injury: A Computational Analysis of Magnetic Resonance Images
Notice bibliographique
Résumé
The aim of this study was to investigate long-term consequences of severe non-missile traumatic brain injury (nmTBI) in patients without macroscopic focal brain lesions (>1.6 cm(3)) on regional white-matter density (WMd), and possible correlations with days of coma and memory performances. T1-weighted magnetic-resonance images (MRI) were acquired in 19 nmTBI patients, 3-113 months following the injury, and in 19 control subjects matched for age and gender. In addition, nmTBI patients underwent a battery of standardised memory tests. The MRIs were processed in a fully automatic system using voxel-by-voxel methods. Corpus callosum, fornix, anterior limb of the internal capsule, superior frontal gyrus, para-hippocampal gyrus, optic radiation and chiasma showed significant WMd reduction in nmTBI when compared to control subjects. None of the correlations between days of coma and memory performance scores with nmTBI voxels value that showed WMd reduction reached significance, with the exception of a significant negative correlation between WMd in the mid body of corpus callosum and short-story delayed recall. We detected reductions in WM density in several brain locations similar to those described in previous post mortem investigations. In addition, we observed WMd reduction in the optic chiasma and in the optic radiations; this finding may reflect transneural degeneration along the visual pathway. The weak correlations between specific anatomical sites of the reduced WMd and behavior may reflect the diffuse nature of the brain damage and/or the different time of onset between behavioral manifestations and neuropathological modifications occurring in nmTBI.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 ».