White Matter Microstructural Correlates of Cognitive and Motor Functioning Revealed via Multimodal Multivariate Analysis
Notice bibliographique
Résumé
Abstract Recent advances in cognitive neuroscience emphasise the importance of healthy white matter (WM) for optimal behavioural functioning. It is now widely accepted that brain connectivity via WM contributes to the emergence of behaviour. However, the association between the microstructure of WM fibres and behaviour is poorly understood due to the indirect and overlapping nature of methods used to assess microstructure. Here, we used the Mahalanobis Distance (D2) to integrate 10 metrics of WM derived from multimodal neuroimaging that have strong ties to microstructure. The D2 metric was chosen because it accounts for metrics’ covariance as it measures the voxelwise distance between every subject and the average; thus providing a robust multiparametric assessment of microstructure. We used multivariate correlation to examine voxelwise WM-behaviour associations with two cognitive and two motor tasks, which allowed us to compare within and across behavioural domains. We observed that behaviour is organised in cognitive, motor, and integrative components that have widespread associations with WM, from frontal to parietal regions. Notably, the decomposition of these factors shows that tasks traditionally labelled as cognitive also contain motor components that map onto motor-related WM patterns, and that motor tasks likewise contain non-motor components linked to distinct WM microstructural features. Our results highlight the complex nature of the links between microstructure and behaviour, and support the relevance of multivariate modelling when examining brain-behaviour associations.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».