Multimodal principal component analysis to identify major features of white matter structure and links to reading
Notice bibliographique
Résumé
The role of white matter in reading has been established by diffusion tensor imaging (DTI), but DTI cannot identify specific microstructural features driving these relationships. Neurite orientation dispersion and density imaging (NODDI), inhomogeneous magnetization transfer (ihMT) and multicomponent driven equilibrium single-pulse observation of T1/T2 (mcDESPOT) can be used to link more specific aspects of white matter microstructure and reading due to their sensitivity to axonal packing and fiber coherence (NODDI) and myelin (ihMT and mcDESPOT). We applied principal component analysis (PCA) to combine DTI, NODDI, ihMT and mcDESPOT measures (10 in total), identify major features of white matter structure, and link these features to both reading and age. Analysis was performed for nine reading-related tracts in 46 neurotypical 6-16 year olds. We identified three principal components (PCs) which explained 79.5% of variance in our dataset. PC1 probed tissue complexity, PC2 described myelin and axonal packing, while PC3 was related to axonal diameter. Mixed effects regression models did not identify any significant relationships between principal components and reading skill. Bayes factor analysis revealed that the absence of relationships was not due to low power. Increasing PC1 in the left arcuate fasciculus with age suggest increases in tissue complexity, while increases of PC2 in the bilateral arcuate, inferior longitudinal, inferior fronto-occipital fasciculi, and splenium suggest increases in myelin and axonal packing with age. Multimodal white matter imaging and PCA provide microstructurally informative, powerful principal components which can be used by future studies of development and cognition. Our findings suggest major features of white matter undergo development during childhood and adolescence, but changes are not linked to reading during this period in our typically-developing sample.
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 | 0,000 |
| 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 ».