A multiparametric analysis of white matter maturation during late childhood and adolescence
Notice bibliographique
Résumé
Abstract White matter development has been well described using diffusion tensor imaging (DTI), but the microstructural processes driving development remain unclear due to methodological limitations. Here, using neurite orientation dispersion and density imaging (NODDI), inhomogeneous magnetization transfer (ihMT), and multicomponent driven equilibrium single‐pulse observation of T1/T2 (mcDESPOT), we describe white matter development at the microstructural level in a longitudinal cohort of healthy 6–15 year olds. We evaluated age and gender‐related trends in fractional anisotropy (FA), mean diffusivity (MD), neurite density index (NDI), orientation dispersion index (ODI), quantitative ihMT (qihMT), myelin volume fraction (VF m ), and g ‐ratio. We found age‐related increases of VF m in most regions, showing ongoing myelination in vivo during late childhood and adolescence for the first time. No relationship was observed between qihMT and age, suggesting myelin volume increases are driven by increased water content. Age‐related increases were observed for NDI, suggesting axonal packing is also occurring during this time. g ‐ratio decreased with age in the uncinate fasciculus, implying changes in communication efficiency are ongoing in this region. FA increased and MD decreased with age in most regions. Gender effects were present in the left cingulum for FA, and an age‐by‐gender interaction was found for MD in the left uncinate fasciculus. These findings suggest that FA and MD remain useful markers of gender‐related processes, and gender differences are likely driven by factors other than myelin. We conclude that white matter development during late childhood and adolescence is driven by a combination of axonal packing and myelin volume increases.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 ».