Functional Mechanisms of Recovery after Chronic Stroke: Modeling with the Virtual Brain
Notice bibliographique
Résumé
We have seen important strides in our understanding of mechanisms underlying stroke recovery, yet effective translational links between basic and applied sciences, as well as from big data to individualized therapies, are needed to truly develop a cure for stroke. We present such an approach using The Virtual Brain (TVB), a neuroinformatics platform that uses empirical neuroimaging data to create dynamic models of an individual's human brain; specifically, we simulate fMRI signals by modeling parameters associated with brain dynamics after stroke. In 20 individuals with stroke and 11 controls, we obtained rest fMRI, T1w, and diffusion tensor imaging (DTI) data. Motor performance was assessed pre-therapy, post-therapy, and 6-12 months post-therapy. Based on individual structural connectomes derived from DTI, the following steps were performed in the TVB platform: (1) optimization of local and global parameters (conduction velocity, global coupling); (2) simulation of BOLD signal using optimized parameter values; (3) validation of simulated time series by comparing frequency, amplitude, and phase of the simulated signal with empirical time series; and (4) multivariate linear regression of model parameters with clinical phenotype. Compared with controls, individuals with stroke demonstrated a consistent reduction in conduction velocity, increased local dynamics, and reduced local inhibitory coupling. A negative relationship between local excitation and motor recovery, and a positive correlation between local dynamics and motor recovery were seen. TVB reveals a disrupted post-stroke system favoring excitation-over-inhibition and local-over-global dynamics, consistent with existing mammal literature on stroke mechanisms. Our results point to the potential of TVB to determine individualized biomarkers of stroke recovery.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».