Structural Covariance of Depth-Dependent Intracortical Myelination in the Human Brain and Its Application to Drug-Naïve Schizophrenia: A T1w/T2w MRI Study
Notice bibliographique
Résumé
Aberrations in intracortical myelination are increasingly being considered as a cardinal feature in the pathophysiology of schizophrenia. We investigated the network-level distribution of intracortical myelination across various cortex depths. We enrolled 126 healthy subjects and 106 first-episode drug-naïve schizophrenia patients. We used T1w/T2w ratio as a proxy of intracortical myelination, parcellated cortex into several equivolumetric surfaces based on cortical depths and mapped T1w/T2w ratios to each surface. Non-negative matrix factorization was used to generate depth-dependent structural covariance networks (dSCNs) of intracortical myelination from 2 healthy controls datasets-one from our study and another from 100-unrelated dataset of the Human Connectome Project. For patient versus control comparisons, partial least squares approach was used; we also related myelination to clinical features of schizophrenia. We found that dSCNs were highly reproducible in 2 independent samples. Network-level myelination was reduced in prefrontal and cingulate cortex and increased in perisylvian cortex in schizophrenia. The abnormal network-level myelination had a canonical correlation with symptom burden in schizophrenia. Moreover, myelination of prefrontal cortex correlated with duration of untreated psychosis. In conclusion, we offer a feasible and sensitive framework to study depth-dependent myelination and its relationship with clinical features.
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 | 0,002 |
| 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 ».