Personalized intrinsic network topography mapping and functional connectivity deficits in Autism Spectrum Disorder
Notice bibliographique
Résumé
Abstract Background Recent advances demonstrate individually specific variation in brain architecture in healthy individuals using fMRI data. To our knowledge, the effects of individually specific variation in complex brain disorders have not been previously reported. Methods We developed a novel approach (Personalized Intrinsic Network topography, PINT) for localizing individually specific resting state networks using conventional resting state fMRI scans. Using cross-sectional data from participants with ASD (n=393) and TD controls (n=496) across 15 sites we tested: 1) effect of diagnosis and age on the variability of intrinsic network locations and 2) whether prior findings of functional connectivity differences in ASD as compared to TD remain after PINT application. Results We found greater variability in the spatial locations of resting state networks within individuals with ASD as compared to TD. In TD participants, variability decreased from childhood into adulthood, and increased again in late-life, following a ‘U-shaped’ pattern, which was not present in those with ASD. Comparison of intrinsic connectivity between groups revealed that the application of PINT decreased the number of hypo-connected regions in ASD. Conclusions Our results provide a new framework for measuring altered brain functioning in neurodevelopmental disorders that may have implications for tracking developmental course, phenotypic heterogeneity, and ultimately treatment response. We underscore the importance of accounting for individual variation in the study of complex brain disorders.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 ».