Long-range temporal correlation development in resting-state fMRI signal in preterm infants: Scanned shortly after birth and at term-equivalent age
Notice bibliographique
Résumé
While the newborn’s brain is functionally organised early on—with similar resting state networks as those of adults present at birth—these networks continue to develop at different rates and in complex ways over time. While most in vivo functional imaging studies examine the spatial characteristics of resting state networks (RSNs), such as their size or the degree of connectivity, the temporal characteristics of these networks are less well characterised. We set out to examine the long-range temporal correlation (LRTC) of the fMRI blood oxygen level-dependent (BOLD) signal using the Hurst exponent in various RSNs in infants born very preterm shortly after birth (< 32 weeks gestational age; n = 64) and again later at term equivalent age (TEA) (n = 69). The Hurst exponent in grey matter and white matter was 0.69 at preterm age and increased significantly to 0.80 at TEA, with a greater difference between the tissues at TEA. The Hurst exponent in RSNs similarly was found to be approximately 0.68 for most networks at preterm age but increased significantly at different rates by TEA: 0.77 and 0.76 in the cerebellum and frontal networks respectively, and 0.84 and 0.83 in the motor and visual networks respectively. This pattern is partly consistent with findings from previous functional connectivity fMRI studies that the general growth and maturation of RSNs occur first and develop more quickly in sensory and motor networks, but later in associative networks like frontal ones. Importantly, this is the first time that this pattern has been shown in the LRTC of the fMRI BOLD signal itself, an area of study that may provide greater insight into functional brain development.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».