Diffusion kurtosis imaging of white matter in bipolar disorder
Notice bibliographique
Résumé
Abstract Objectives White matter pathology is thought to contribute to the pathogenesis of bipolar disorder (BD). However, most studies of white matter in BD have used the simple diffusion tensor imaging (DTI) model, which has several limitations. DTI studies have reported heterogenous results, leading to a lack of consensus about the extent and location of white matter alterations. Here, we applied two advanced diffusion magnetic resonance imaging (MRI) techniques to investigate white matter microstructure in BD. Methods Twenty-five patients with BD and 24 controls comparable for age and sex were included in the study. Whole-brain voxel-based analysis (VBA) and a network-based connectivity approach using constrained spherical deconvolution (CSD)-tractography were used to assess group differences in diffusion kurtosis imaging (DKI) and DTI metrics. Results VBA showed lower mean kurtosis in the corona radiata and posterior association fibers in BD following threshold-free cluster enhancement. Regional differences in connectivity were indicated by lower mean kurtosis and kurtosis anisotropy in streamlines traversing the temporal and occipital lobes, and lower mean axial kurtosis in the right cerebellar, thalamo-subcortical pathways in BD. Significant differences were not seen in the DTI metrics following FDR- correction. Conclusions Differences between BD and controls were observed in DKI metrics in multiple brain regions, indicating altered connectivity across cortical, subcortical and cerebellar areas. DKI was more sensitive than DTI at detecting these differences, suggesting that DKI is useful for investigating white matter in BD.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 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) | 0,001 | 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 ».