Auditory–limbic–cerebellum interactions and cognitive impairments in noise‐induced hearing loss
Notice bibliographique
Résumé
AIMS: This study aimed to explore the neural substrate of hearing loss-related central nervous system in rats and its correlation with cognition. METHODS: We identified the neural mechanism for these debilitating abnormalities by inducing a bilateral hearing loss animal model using intense broadband noise (122 dB of broadband noise for 2 h) and used the Morris water maze test to characterize the behavioral changes at 6 months post-noise exposure. Functional magnetic resonance imaging (fMRI) was conducted to clarify disrupted functional network using bilateral auditory cortex (ACx) as a seed. Structural diffusion tensor imaging (DTI) was applied to illustrate characteristics of fibers in ACx and hippocampus. Pearson correlation was computed behavioral tests and other features. RESULTS: A deficit in spatial learning/memory, body weight, and negative correlation between them was observed. Functional connectivity revealed weakened coupling within the ACx and inferior colliculus, lateral lemniscus, the primary motor cortex, the olfactory tubercle, hippocampus, and the paraflocculus lobe of the cerebellum. The fiber number and mean length of ACx and different hippocampal subregions were also damaged in hearing loss rats. CONCLUSION: A new model of auditory-limbic-cerebellum interactions accounting for noise-induced hearing loss and cognitive impairments is proposed.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».