Altered Functional Connectivity Following an Inflammatory White Matter Injury in the Newborn Rat: A High Spatial and Temporal Resolution Intrinsic Optical Imaging Study
Notice bibliographique
Résumé
Very preterm newborns have an increased risk of developing an inflammatory cerebral white matter injury that may lead to severe neuro-cognitive impairment. In this study we performed functional connectivity (fc) analysis using resting-state optical imaging of intrinsic signals (rs-OIS) to assess the impact of inflammation on resting-state networks (RSN) in a pre-clinical model of perinatal inflammatory brain injury. Lipopolysaccharide (LPS) or saline injections were administered in postnatal day (P3) rat pups and optical imaging of intrinsic signals were obtained three weeks later. (rs-OIS) fc seed-based analysis including spatial extent were performed. A support vector machine (SVM) was then used to classify rat pups in two categories using fc measures and an artificial neural network (ANN) was implemented to predict lesion size from those same fc measures. A significant decrease in the spatial extent of fc statistical maps was observed in the injured group, across contrasts and seeds (*p=0.0452 for HbO2 and **p=0.0036 for HbR). Both machine learning techniques were applied successfully, yielding 92% accuracy in group classification and a significant correlation r = 0.9431 in fractional lesion volume prediction (**p = 0.0020). Our results suggest that fc is altered in the injured newborn brain, showing the long-standing effect of inflammation.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».