Comparing image processing pipelines for brain MRI data and examining default mode and executive control network white matter correlates of executive function in multiple sclerosis
Notice bibliographique
Résumé
Background: Multiple sclerosis is a neurodegenerative disease characterized by demyelinated lesions and axonal loss in white matter regions of the brain. Spatially normalizing brain MRI data is performed to better facilitate comparisons between individuals or groups. MS-related brain pathologies however, can compromise spatial normalization methods. This study therefore compared five normalization methods. This study then used that identified method to investigate relationships between executive function and microstructure throughout the default mode network and executive control network white matter. Methods: Using 20 MS participants and 1 healthy control, we lesion-filled each participant’s T1-weighted brain image to the Montreal Neurological Institute template using 5 normalization approaches (total: 400 normalizations). Inter-subject variability was quantified using mutual information and coefficient of variation and normalization lesion volumes were evaluated using paired sample t-tests. Using SPMCAT12 we used diffusion tensor imaging metrics, FA and MD maps from 103 participants to extract values from DMN and ECN regions via the UManitoba-Functionally-Defined Human White Matter Atlases. Executive function was assessed using the Delis-Kaplan Executive Function System Color-Word Interference Test. One-tailed Spearman correlations assessed relations between DMN and ECN white matter microstructure and individual differences in executive function. Results: SPM CAT12 with lesion filling is the most robust method for spatially normalizing MS brain imaging data. Lowest average Coefficient of Variation maps were SPM: 9.6 and 21.4 was highest for FSL. This study then found executive function scores to be significantly correlated with individual differences in white matter MD measurements from both the DMN (rho = 0.194; 96% CI = 0.0031 to 0.0347; p = 0.027) and the ECN (rho= 0.192; 95% = 0.029 to 0.345; p= 0.029), but not from global white matter (rho = 0.106; 95% CI = -0.059 to 0.0266; p = 0.147). Conclusion: This thesis: 1) compared spatial normalization methods on brain MRI data in the presence of MS lesions and identified an optimal approach for comparing quantitative structural imaging metrics, and 2) used this robust method to investigate relationships between EF and microstructure throughout the DMN and ECN WM. These findings have expanded our understanding of best-practices in MRI data analysis and cognitive functioning in MS.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».