Morphometric Measurement of Mean Cortical Curvature: Analysis of Alterations in Cognitive Impairment
Notice bibliographique
Résumé
Background and Objectives: Cognitive impairment, including mild cognitive impairment (MCI) and Alzheimer’s disease (AD), is a growing public health concern. Early detection and an understanding of structural changes are crucial for accurate diagnosis and timely intervention. Cortical curvature, a morphometric measure derived from structural magnetic resonance imaging (MRI), has emerged as a potential biomarker for neurodegenerative processes. This study investigates the relationship between mean cortical curvature and cognitive impairment. Materials and Methods: A cross-sectional study was conducted with 58 participants, categorized into, first, cognitively impaired (CI) and non-cognitively impaired (NC) groups and, second, a normal cognitive group (NC), a mild cognitive performance group (MPG), and a low cognitive performance group (LPG) based on the Montreal Cognitive Assessment (MoCA) score. MRI data were acquired using a 3.0 Tesla scanner, and cortical reconstruction was performed using FreeSurfer 7.2.0. Mean cortical curvature values were extracted for 34 brain regions per hemisphere. Results: Significant differences in mean cortical curvature were found between the CI and NC groups. In the right hemisphere, statistically significant changes in mean curvature were observed in the isthmus cingulate (U = 188.5, p = 0.006), lingual (U = 202.5, p = 0.013), pars orbitalis (U = 221.5, p = 0.031), and posterior cingulate regions (U = 224.5, p = 0.035). In the left hemisphere, significant differences were detected in the cuneus (U = 226.5, p = 0.038) and posterior cingulate (U = 231.5, p = 0.046) regions. Analysis across three cognitive performance groups (NC, MPG, and LPG) showed significant curvature differences in the right isthmus cingulate (H(2) = 7.492, p = 0.024) and lingual regions (H(2) = 6.250, p = 0.044). Conclusions: Decreased mean cortical curvature in brain regions associated with cognitive function could be indicative of cognitive impairment and may reflect early neurodegenerative changes. These results highlight cortical curvature as a potential structural sign for cognitive impairment, showing the need for further investigation in longitudinal studies.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,006 |
| 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) | 0,001 | 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 ».