Coupling analysis between functional and structural brain networks in Alzheimer's disease
Notice bibliographique
Résumé
The coupling between functional and structural brain networks is difficult to clarify due to the complicated alterations in gray matter and white matter for the development of Alzheimer's disease (AD). A cohort of 112 participants [normal control group (NC, 62 cases), mild cognitive impairment group (MCI, 31 cases) and AD group (19 cases)], was recruited in our study. The brain networks of rsfMRI functional connectivity (rsfMRI-FC) and diffusion tensor imaging structural connectivity (DTI-SC) across the three groups were constructed, and their correlations were evaluated by Pearson's correlation analyses and multiple comparison with Bonferroni correction. Furthermore, the correlations between rsfMRI-SC/DTI-FC coupling and four neuropsychological scores of mini-mental state examination (MMSE), clinical dementia rating-sum of boxes (CDR-SB), functional activities questionnaire (FAQ) and montreal cognitive assessment (MoCA) were inferred by partial correlation analyses, respectively. The results demonstrated that there existed significant correlation between rsfMRI-FC and DTI-SC (p < 0.05), and the coupling of rsfMRI-FC/DTI-SC showed negative correlation with MMSE score (p < 0.05), positive correlations with CDR-SB and FAQ scores (p < 0.05), and no correlation with MoCA score (p > 0.05). It was concluded that there existed FC/SC coupling and varied network characteristics for rsfMRI and DTI, and this would provide the clues to understand the underlying mechanisms of cognitive deficits of AD.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| 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 ».