Visually driven functional MRI techniques for characterization of optic neuropathy
Notice bibliographique
Résumé
Optic neuropathies are conditions that cause disease to the optic nerve, and can result in loss of visual acuity and/or visual field defects. An improved understanding of how these conditions affect the entire visual system is warranted, to better predict and/or restore the visual loss. In this article, we review visually-driven functional magnetic resonance imaging (fMRI) studies of optic neuropathies, including glaucoma and optic neuritis (ON); we also discuss traumatic optic neuropathy (TON). Optic neuropathy-related vision loss results in fMRI deficit within the visual cortex, and is often strongly correlated with clinical severity measures. Using predominantly flickering checkerboard stimuli, glaucoma studies indicated retinotopic-specific cortical alteration with more prominent deficits in advanced than in early glaucoma. Some glaucoma studies indicate a reorganized visual cortex. ON studies have indicated that the impacted cortical areas are briefly hyperactive. For ON, brain deficits are greater in the acute stages of the disease, followed by (near) normalization of responses of the LGN, visual cortex, and the dorsal visual stream, but not the ventral extrastriate cortex. Visually-driven fMRI is sensitive, at least in ON, in discriminating patients from controls, as well as the affected eye from the fellow eye within patients. The use of a greater variety of stimuli beyond checkerboards (e.g., visual motion and object recognition) in recent ON studies is encouraging, and needs to continue to disentangle the results in terms of change over time. Finally, visually-driven fMRI has not yet been applied in TON, although preliminary efforts suggest it may be feasible. Future fMRI studies of optic neuropathies should consider using more complex visual stimuli, and inter-regional analysis methods including functional connectivity. We suggest that a more systematic longitudinal comparison of optic neuropathies with advanced fMRI would provide improved diagnostic and prognostic information.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».