MétaCan
Menu
Retour à la cohorte
Enregistrement W4407030709 · doi:10.1016/j.pscychresns.2025.111958

Correlation study between the microstructural abnormalities of medial prefrontal cortex and white matter hyperintensities with mild cognitive impairment patients: A diffusion kurtosis imaging study

2025· article· en· W4407030709 sur OpenAlexaboutno aff
Xiangke Ma, Xia Li, Kun Li, Qiao Bu, Lichun Zhou

Notice bibliographique

RevuePsychiatry Research Neuroimaging · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced Neuroimaging Techniques and Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHyperintensityKurtosisWhite matterPrefrontal cortexPsychologyDiffusion MRICognitive impairmentCorrelationAudiologyNeuroscienceCognitionMedicineMagnetic resonance imagingRadiology

Résumé

récupéré en direct d'OpenAlex

• Diffusion kurtosis imaging (DKI) is more suitable than diffusion tensor imaging (DTI) to detect changes in brain tissue microstructure, especially for changes in brain gray matter. • Patients with WMHs were related to MCI. • Anterior cingulate and paracingulate gyri (ACG) cortex plays an important role in cognitive process. • DKI parameters of WMHs with MCI patients were significantly lower compared to controls and WMHs without MCI patients. • DKI technology has certain application value in evaluating whether WMHs with MCI patients have cognitive function impaired, and could be used as one of the neuroimaging biomarkers for diagnosing MCI. Our study aimed to investigate the correlation between the microstructural changes of medial prefrontal cortex (m-PFC) and white matter hyperintensities (WMHs) with mild cognitive impairment (MCI) patients by Diffusion kurtosis imaging (DKI). We retrospectively collected 68 patients, including 47 patients with WMHs and 21 age matched controls. WMHs patients were divided into with MCI ( n = 30) and without MCI group ( n = 17). The m-PFC was selected for regions of interests (ROIs). DKI parameters were measured and compared between each group. Correlations between DKI parameters and Montreal cognitive assessment (MoCA) score were also performed. 1. Compared to controls, WMHs patients have lower MoCA score; WMHs with MCI patients have significant lower axial kurtosis (AK), mean kurtosis (MK), radial kurtosis (RK) and fractional anisotropy (FA) in right anterior cingulate and paracingulate gyri (ACG) of m-PFC; and also have significant lower MK in left ACG. 2. Compared to WMHs without MCI patients, AK, FA and kurtosis fractional anisotropy (KFA) of WMHs with MCI patients were also significantly decreased. 3. AK were positively correlated with MoCA score in both ACG. Patients with WMHs were related to MCI. DKI sequence has certain application value in evaluating whether WMHs with MCI patients have cognitive function impaired.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,022
Score d'incertitude au seuil0,667

Scores Codex et Gemma par catégorie

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

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 Opus0,036
Tête enseignante GPT0,366
Écart entre enseignants0,329 · 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 tête enseignante, 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

Citations3
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePsychiatry Research NeuroimagingMême sujetAdvanced Neuroimaging Techniques and ApplicationsTravaux en français237 207