Characteristic patterns of inter- and intra-hemispheric metabolic connectivity in patients with stable and progressive mild cognitive impairment and Alzheimer’s disease
Notice bibliographique
Résumé
Abstract The change in hypometabolism affects the regional links in the brain network. Here, to understand the underlying brain metabolic network deficits during the early stage and disease evolution of AD (Alzheimer disease), we applied correlation analysis to identify the metabolic connectivity patterns using18F-FDG PET data for NC (normal control), sMCI (stable MCI), pMCI (progressive MCI) and AD, and explore the inter- and intra-hemispheric connectivity between anatomically-defined brain regions. Regions extracted from 90 anatomical structures were used to construct the matrix for measuring the inter- and intra-hemispheric connectivity. The brain connectivity patterns from the metabolic network show a decreasing trend of inter- and intra-hemispheric connections for NC, sMCI, pMCI and AD. Connection of temporal to the frontal or occipital regions is a characteristic pattern for conversion of NC to MCI, and the density of links in the parietal-occipital network is a differential pattern between sMCI and pMCI. The reduction pattern of inter and intra-hemispheric brain connectivity in the metabolic network depends on the disease stages, and is with a decreasing trend with respect to disease severity. Both frontal-occipital and parietal-occipital connectivity patterns in the metabolic network using18F-FDG PET are the key feature for differentiating disease groups in AD.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».