Parcellation of the human hippocampus based on gray matter volume covariance: Replicable results on healthy young adults
Notice bibliographique
Résumé
The hippocampus is a key brain region that participates in a range of cognitive and affective functions, and is involved in the etiopathogenesis of numerous neuropsychiatric disorders. The structural complexity and functional diversity of the hippocampus suggest the existence of structural and functional subdivisions within this structure. For the first time, we parcellated the human hippocampus with two independent data sets, each of which consisted of 198 T1-weighted structural magnetic resonance imaging (sMRI) images of healthy young subjects. The method was based on gray matter volume (GMV) covariance, which was quantified by a bivariate voxel-to-voxel linear correlation approach, as well as a multivariate masked independent component analysis approach. We subsequently interrogated the relationship between the GMV covariance patterns and the functional connectivity patterns of the hippocampal subregions using sMRI and resting-state functional MRI (fMRI) data from the same participants. Seven distinct GMV covariance-based subregions were identified for bilateral hippocampi, with robust reproducibility across the two data sets. We further demonstrated that the structural covariance patterns of the hippocampal subregions had a correspondence with the intrinsic functional connectivity patterns of these subregions. Together, our results provide a topographical configuration of the hippocampus with converging structural and functional support. The resulting subregions may improve our understanding of the hippocampal connectivity and functions at a subregional level, which provides useful parcellations and masks for future neuroscience and clinical research on the structural and/or functional connectivity of the hippocampus.
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 | 0,001 | 0,002 |
| 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 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 ».