Resting‐state functional magnetic resonance imaging signal variations in aging: The role of neural activity
Notice bibliographique
Résumé
Resting-state functional magnetic resonance imaging (rs-fMRI) has been extensively used to study brain aging, but the age effect on the frequency content of the rs-fMRI signal has scarcely been examined. Moreover, the neuronal implications of such age effects and age-sex interaction remain unclear. In this study, we examined the effects of age and sex on the rs-fMRI signal frequency using the Leipzig mind-brain-body data set. Over a frequency band of up to 0.3 Hz, we found that the rs-fMRI fluctuation frequency is higher in the older adults, although the fluctuation amplitude is lower. The rs-fMRI signal frequency is also higher in men than in women. Both age and sex effects on fMRI frequency vary with the frequency band examined but are not found in the frequency of physiological-noise components. This higher rs-fMRI frequency in older adults is not mediated by the electroencephalograph (EEG)-frequency increase but a likely link between fMRI signal frequency and EEG entropy, which vary with age and sex. Additionally, in different rs-fMRI frequency bands, the fMRI-EEG amplitude ratio is higher in young adults. This is the first study to investigate the neuronal contribution to age and sex effects in the frequency dimension of the rs-fMRI signal and may lead to the development of new, frequency-based rs-fMRI metrics. Our study demonstrates that Fourier analysis of the fMRI signal can reveal novel information about aging. Furthermore, fMRI and EEG signals reflect different aspects of age- and sex-related brain differences, but the signal frequency and complexity, instead of amplitude, may hold their link.
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 | 0,001 | 0,002 |
| 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 | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».