Functional Connectivity During Visuospatial Processing in Schizophrenia: A Classification Study Using Lasso Regression
Notice bibliographique
Résumé
BACKGROUND: Robust evidence shows that schizophrenia is associated with significant cognitive impairments, including deficits in visuospatial abilities. While other cognitive domains have sparked several functional neuroimaging studies in schizophrenia, only a few brain activation studies have examined the neural correlates of visuospatial abilities in schizophrenia. PURPOSE: Here, we propose to perform a functional connectivity study on visuospatial processing in schizophrenia, and to determine the classification accuracy of the observed alterations. METHODS: Thirty-nine schizophrenia patients and 42 healthy controls were scanned using functional magnetic resonance imaging while performing a mental rotation task. Task-based functional connectivity was examined using a region-of-interest (ROI) to ROI approach, as implemented in the CONN Toolbox. ROIs were selected from a previous meta-analysis on mental rotation. Logistic regression with Lasso regularization was performed, using train-test cross-validation. RESULTS: Schizophrenia was associated with a complex pattern of dysconnectivity between the superior, middle and inferior frontal gyrus, the precentral gyrus, the superior parietal lobule (SPL) and the inferior lateral occipital cortex. The classification accuracy was 86.1%. Mental rotation performance was predicted by the dysconnectivity between the right and left superior frontal gyrus (SFG), as well as between the left SFG and left SPL. CONCLUSION: The results of the current study highlight that visuospatial processing is useful for examining the widespread dysconnectivity between executive, motor and visual brain regions in schizophrenia. We also demonstrate that very good classification accuracy can be achieved using visuospatial-related functional connectivity data.
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 ».