Neurite Density and Free Water in the Gray and White Matter of Early Psychosis Patients
Notice bibliographique
Résumé
Diffusion weighted imaging has been frequently used to characterize the white matter in patients with schizophrenia, but the most commonly used model, diffusion tensor imaging (DTI), is not specific to the histological nature of microstructural changes. This is particularly true in the more complex grey matter tissue. Furthermore, DTI changes have not been consistently reported in early schizophrenia populations, but this does not exclude more subtle changes that may not affect the model fit. Recently developed biophysical models of diffusion, such as the neurite orientation dispersion and density imaging (NODDI) model, may overcome these issues by quantifying specific tissue subcompartments, capturing diffusion profiles characteristic of intra-neurite, extra-neurite, and free water space. We applied the NODDI model to early schizophrenia patients (n=54) and healthy controls (n=51) from the Human Connectome Project - Early Psychosis dataset, investigating both the grey and white matter. We observed a diffuse, increased free water fraction throughout the grey matter, especially in the left insula, though there were not notable changes in the white matter. The spatial variation in the grey matter free water was not fully explained by the partial volume effects from the cerebrospinal fluid, indicating a role for tissue edema. The role of vasogenic processes in early stages of psychosis that may precede white matter anomalies documented in later disease stages warrant further investigation.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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) | 0,002 | 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 ».