MétaCan
Menu
Retour à la cohorte
Enregistrement W4390584905 · doi:10.3389/fnins.2023.1228952

Evaluation of tractography-based myelin-weighted connectivity across the lifespan

2024· article· en· W4390584905 sur OpenAlexaff
Sara Bosticardo, Simona Schiavi, Sabine Schaedelin, Matteo Battocchio, Muhamed Baraković, Po‐Jui Lu, Matthias Weigel, Lester Melie‐García, Cristina Granziera, Alessandro Daducci

Notice bibliographique

RevueFrontiers in Neuroscience · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced Neuroimaging Techniques and Applications
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesSchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen Forschung
Mots-clésMyelinTractographyConnectomeDiffusion MRIWhite matterNeuroscienceMagnetic resonance imagingNeuroplasticityComputer scienceBiologyFunctional connectivityMedicineCentral nervous systemRadiology

Résumé

récupéré en direct d'OpenAlex

Introduction Recent studies showed that the myelin of the brain changes in the life span, and demyelination contributes to the loss of brain plasticity during normal aging. Diffusion-weighted magnetic resonance imaging (dMRI) allows studying brain connectivity in vivo by mapping axons in white matter with tractography algorithms. However, dMRI does not provide insight into myelin; thus, combining tractography with myelin-sensitive maps is necessary to investigate myelin-weighted brain connectivity. Tractometry is designated for this purpose, but it suffers from some serious limitations. Our study assessed the effectiveness of the recently proposed Myelin Streamlines Decomposition (MySD) method in estimating myelin-weighted connectomes and its capacity to detect changes in myelin network architecture during the process of normal aging. This approach opens up new possibilities compared to traditional Tractometry. Methods In a group of 85 healthy controls aged between 18 and 68 years, we estimated myelin-weighted connectomes using Tractometry and MySD, and compared their modulation with age by means of three well-known global network metrics. Results Following the literature, our results show that myelin development continues until brain maturation (40 years old), after which degeneration begins. In particular, mean connectivity strength and efficiency show an increasing trend up to 40 years, after which the process reverses. Both Tractometry and MySD are sensitive to these changes, but MySD turned out to be more accurate. Conclusion After regressing the known predictors, MySD results in lower residual error, indicating that MySD provides more accurate estimates of myelin-weighted connectivity than Tractometry.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,085
Tête enseignante GPT0,402
Écart entre enseignants0,317 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in NeuroscienceMême sujetAdvanced Neuroimaging Techniques and ApplicationsTravaux en français237 207