Resting-State Functional Connectivity Difference in Alzheimer’s Disease and Mild Cognitive Impairment Using Threshold-Free Cluster Enhancement
Notice bibliographique
Résumé
The disruption of functional connectivity is one of the early events that occurs in the brains of Alzheimer's disease (AD) patients. This paper reports a study on the clustering structure of functional connectivity in eight important brain networks in healthy, AD, and prodromal stage subjects. We used the threshold-free cluster enhancement (TFCE) method to explore the connectivity from resting-state functional MR images (rs-fMRIs). We conducted the study on a total of 32 AD, 32 HC, and 31 MCI subjects. We modeled the brain as a graph-based network to study these impairments, and pairwise Pearson's correlation-based functional connectivity was used to construct the brain network. The study found that connections in the sensory motor network (SMN), dorsal attention network (DAN), salience network (SAN), default mode network (DMN), and cerebral network were severely affected in AD and MCI. The disruption in these networks may serve as potential biomarkers for distinguishing AD and MCI from HC. The study suggests that alterations in functional connectivity in these networks may contribute to cognitive deficits observed in AD and MCI. Additionally, a negative correlation was observed between the global clinical dementia rating (CDR) score and the Z-score of functional connectivity within identified clusters in AD subjects. These findings provide compelling evidence suggesting that the neurodegenerative disruption of functional magnetic resonance imaging (fMRI) connectivity is extensively distributed across multiple networks in individuals diagnosed with 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 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 | 0,000 | 0,023 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».