Characterisation of multimodal network organisation after focal prefrontal lesions in humans
Notice bibliographique
Résumé
Abstract Lesion research in humans and non-human primates classically maps the behavioral effects of focal damage to the directly-injured brain region. However, given the interconnectedness of the brain, it has long been known that such damage can also have distant effects. Modern imaging methods provide new ways to assess those effects. Further, triangulating across these methods in a lesion model may shed light on the biological basis of structural and functional networks in the healthy brain. We characterised network organization assessed with multiple MRI imaging modalities in 13 patients with chronic focal damage affecting either superior or inferior frontal gyrus (SFG, IFG) and 18 demographically-matched healthy Controls. We first defined structural and functional network parameters for the two frontal regions-of-interest in healthy Controls, and then used voxel-based morphology (VBM) and tract-based spatial statistics (TBSS) analyses to investigate structural grey matter (GM) and white matter (WM) differences between patients and Controls. The functional and structural networks defined in healthy participants were then used to constrain interpretation of the whole brain network effects in patients. Finally, we applied dual regression to examine the differences in functional coupling to large-scale resting state networks (RSNs), focusing on the RSNs which most overlapped structurally with the lesion sites. Overall, the results show that lesions are associated with widespread within-network GM loss at sites distal from the lesion, yet leave WM and RSNs relatively preserved. Lesions to either prefrontal region had a very similar impact on structural networks, but SFG lesions had larger impact on RSNs than did IFG lesions. The findings provide evidence for causal contributions of specific prefrontal regions to structural and functional brain networks in humans, relevant to interpreting connectomic findings in studies of healthy people or those with psychiatric illnesses.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».