Topological Modification of Brain Networks Organization in Children With High Intelligence Quotient: A Resting-State fMRI Study
Notice bibliographique
Résumé
The idea that intelligence is embedded not only in a single brain network, but instead in a complex, well-optimized system of complementary networks, has led to the development of whole brain network analysis. Using graph theory to analyze resting-state functional MRI data, we investigated the brain graph networks (or brain networks) of high intelligence quotient (HIQ) children. To this end, we computed the "hub disruption index κ," an index sensitive to graph network modifications. We found significant topological differences in the integration and segregation properties of brain networks in HIQ compared to standard IQ children, not only for the whole brain graph, but also for each hemispheric graph, and for the homotopic connectivity. Moreover, two profiles of HIQ children, homogenous and heterogeneous, based on the differences between the two main IQ subscales [verbal comprehension index (VCI) and perceptual reasoning index (PRI)], were compared. Brain network changes were more pronounced in the heterogeneous than in the homogeneous HIQ subgroups. Finally, we found significant correlations between the graph networks' changes and the full-scale IQ (FSIQ), as well as the subscales VCI and PRI. Specifically, the higher the FSIQ the greater was the brain organization modification in the whole brain, the left hemisphere, and the homotopic connectivity. These results shed new light on the relation between functional connectivity topology and high intelligence, as well as on different intelligence profiles.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».