Small Nucleus Accumbens and Large Cerebral Ventricles in Infants and Toddlers Prior to Receiving Diagnoses of Autism Spectrum Disorder
Notice bibliographique
Résumé
Early interventions for autism spectrum disorder (ASD) are increasingly available, while only 42-50% of ASD children are diagnosed before 3 years old (YO). To identify neuroimaging biomarkers for early ASD diagnosis, we evaluated surface- and voxel-based brain morphometry in participants under 3YO who were later diagnosed with ASD. Magnetic resonance imaging data were retrospectively obtained from patients later diagnosed with ASD at Boston Children's Hospital. The ASD participants with comorbidities such as congenital disorder, epilepsy, and global developmental delay/intellectual disability were excluded from statistical analyses. Eighty-five structural brain magnetic resonance imaging images were collected from 81 participants under 3YO and compared with 45 images from 45 gender- and age-matched nonautistic controls (non-ASD). Using an Infant FreeSurfer pipeline, 236 regionally distributed measurements were extracted from each scan. By t-tests and linear mixed models, the smaller nucleus accumbens and larger bilateral lateral, third, and fourth ventricles were identified in the ASD group. Vertex-wise t-statistical maps showed decreased thickness in the caudal anterior cingulate cortex and increased thickness in the right medial orbitofrontal cortex in ASD. The smaller bilateral accumbens nuclei and larger cerebral ventricles were independent of age, gender, or gestational age at birth, suggesting that there are MRI-based biomarkers in prospective ASD patients before they receive the diagnosis and that the volume of the nucleus accumbens and cerebral ventricles can be key MRI-based early biomarkers to predict the emergence of ASD.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 ».