Multimodal principal component analysis to identify major features of white matter structure and links to reading
Notice bibliographique
Résumé
ABSTRACT The role of white matter fibers 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 models regressions did not identify any relationships between principal components and reading skill. Further Bayes factor analysis revealed that absence of relationships was not due to low power. PC1 suggested increases in tissue complexity with age in the left arcuate fasciculus, while PC2 suggested increases in myelin and axonal packing with age in the bilateral arcuate, inferior longitudinal, inferior fronto-occipital fasciculi, and splenium. Multimodal white matter imaging and PCA produce microstructurally informative, powerful principal components which can be used by future studies of development and cognition.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».