Ultra-high field MRI reveals mood-related circuit disturbances in depression: A comparison between 3-Tesla and 7-Tesla
Notice bibliographique
Résumé
Abstract Ultra-high field 7-Tesla (7T) MRI has the potential to advance our understanding of neuropsychiatric disorders, including major depressive disorder (MDD). To date, few studies have quantified the advantage of resting state functional MRI (fMRI) at 7T compared to 3-Tesla (3T). We conducted a series of experiments that demonstrate the improvement in temporal signal-to-noise ratio (TSNR) of a multi-echo fMRI protocol with ultra-high field 7T, compared to 3T MRI in healthy controls (HC). We also directly tested the enhancement in ultra-high field 7T fMRI signal power by examining the ventral tegmental area (VTA), a small midbrain structure that is critical to the expected neuropathology of MDD but difficult to discern with standard 3T MRI. We demonstrate 200-300% improvement in TSNR and resting state functional connectivity coefficients provided by ultra-high field 7T fMRI compared to 3T, indicating enhanced power for detection of functional neural architecture. A multi-echo based acquisition protocol and signal denoising pipeline afforded greater gain in signal power at ultra-high field compared to classic acquisition and denoising pipelines. Furthermore, ultra-high field fMRI revealed mood-related neuro-circuit disturbances in patients with MDD compared to HC, which were not detectable with 3T fMRI. Ultra-high field 7T fMRI may provide an effective tool for studying functional neural architecture relevant to MDD and other neuropsychiatric 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 | 0,001 | 0,001 |
| 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 | 0,001 | 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 ».