Detailing neuroanatomical development in late childhood and early adolescence using NODDI
Notice bibliographique
Résumé
Diffusion tensor imaging (DTI) studies have provided much evidence of white and subcortical gray matter changes during late childhood and early adolescence that suggest increasing myelination, axon density, and/or fiber coherence. Neurite orientation dispersion and density imaging (NODDI) can be used to further characterize development in white and subcortical grey matter regions in the brain by improving specificity of the MRI signal compared to conventional DTI. We used measures from NODDI and DTI to examine white and subcortical gray matter development in a group of 27 healthy participants aged 8-13 years. Neurite density index (NDI) was strongly correlated with age in nearly all regions, and was more strongly associated with age than fractional anisotropy (FA). No significant correlations were observed between orientation dispersion index (ODI) and age. This suggests that white matter and subcortical gray matter changes during late childhood and adolescence are dominated by changes in neurite density (i.e., axon density and myelination), rather than increasing coherence of axons. Within brain regions, FA was correlated with both ODI and NDI while mean diffusivity was only related to neurite density, providing further information about the structural variation across individuals. Data-driven clustering of the NODDI parameters showed that microstructural profiles varied along layers of white matter, but that that much of the white and subcortical gray matter matured in a similar manner. Clustering highlighted isolated brain regions with decreasing NDI values that were not apparent in region-of-interest analysis. Overall, these results help to more specifically understand patterns of white and gray matter development during late childhood and early adolescence.
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 | 0,000 | 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 | 0,000 |
| 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 ».