A Noninvasive Imaging Approach to Understanding Speech Changes Following Deep Brain Stimulation in Parkinson’s Disease
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
PURPOSE: To explore the use of noninvasive functional imaging and "virtual" lesion techniques to study the neural mechanisms underlying motor speech disorders in Parkinson's disease. Here, we report the use of positron emission tomography (PET) and transcranial magnetic stimulation (TMS) to explain exacerbated speech impairment following subthalamic nucleus deep brain stimulation (STN-DBS) in a patient with Parkinson's disease. METHOD: Perceptual and acoustic speech measures, as well as cerebral blood flow during speech as measured by PET, were obtained with STN-DBS on and off. TMS was applied to a region in the speech motor network found to be abnormally active during DBS. Speech disruption by TMS was compared both perceptually and acoustically with speech produced with DBS on. RESULTS: Speech production was perceptually inferior and acoustically less contrastive during left STN stimulation compared to no stimulation. Increased neural activity in left dorsal premotor cortex (PMd) was observed during DBS on. "Virtual" lesioning of this region resulted in speech characterized by decreased speech segment duration, increased pause duration, and decreased intelligibility. CONCLUSIONS: This case report provides evidence that impaired speech production accompanying STN-DBS may result from unintended activation of PMd. Clinical application of functional imaging and TMS may lead to optimizing the delivery of STN-DBS to improve outcomes for speech production as well as general motor abilities.
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.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| 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 | 0,001 |
| 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 découle