A Permutation Disalignment Index-Based Complex Network Approach to Evaluate Longitudinal Changes in Brain-Electrical Connectivity
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
In the study of neurological disorders, Electroencephalographic (EEG) signal processing can provide valuable information because abnormalities in the interaction between neuron circuits may reflect on macroscopic abnormalities in the electrical potentials that can be detected on the scalp. A Mild Cognitive Impairment (MCI) condition, when caused by a disorder degenerating into dementia, affects the brain connectivity. Motivated by the promising results achieved through the recently developed descriptor of coupling strength between EEG signals, the Permutation Disalignment Index (PDI), the present paper introduces a novel PDI-based complex network model to evaluate the longitudinal variations in brain-electrical connectivity. A group of 33 amnestic MCI subjects was enrolled and followed-up with over four months. The results were compared to MoCA (Montreal Cognitive Assessment) tests, which scores the cognitive abilities of the patient. A significant negative correlation could be observed between MoCA variation and the characteristic path length ( λ ) variation ( r = - 0 . 56 , p = 0 . 0006 ), whereas a significant positive correlation could be observed between MoCA variation and the variation of clustering coefficient (CC, r = 0 . 58 , p = 0 . 0004 ), global efficiency (GE, r = 0 . 57 , p = 0 . 0005 ) and small worldness (SW, r = 0 . 57 , p = 0 . 0005 ). Cognitive decline thus seems to reflect an underlying cortical “disconnection” phenomenon: worsened subjects indeed showed an increased λ and decreased CC, GE and SW. The PDI-based connectivity model, proposed in the present work, could be a novel tool for the objective quantification of longitudinal brain-electrical connectivity changes in MCI subjects.
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 | 0,010 |
| 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 | 0,001 | 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 découle