Application of Functional Magnetic Resonance Imaging in PD and Default Mode Network; Review of the Literature
Notice bibliographique
Résumé
Parkinson's disease (PD) has become the second most prominent neurogenerative disorder relating to aging individuals. PD involves the loss of neurons containing dopamine in the midbrain and leads to a number of motor issues as well as non-motor complications such as cognitive and psychological abnormalities. The default mode network (DMN) is a complex brain network primarily active during rest and serves multiple roles relating to memory, self-referential processing, social cognition and consciousness and awareness. Multiple brain regions are involved in the DMN such as the medial prefrontal cortex (mPFC), the posterior cingulate cortex (PCC), the inferior parietal lobule, the precuneus and the lateral temporal cortex. Normal DMN connectivity is vital to preserving consciousness and self-awareness. Neurological pathologies such as PD disrupt DMN connectivity, leading to complex issues. Functional MRI (fMRI) is a neuroimaging modality used to observe brain activity through measuring blood flow differences as it relates to brain activity. DMN connectivity experiments using fMRI find that individuals with PD exhibit impaired DMN connectivity in specific regions including the PCC, mPFC and the precuneus. Individuals with greater PD motor symptoms have also been found to suffer larger alterations in DMN connections anatomically within the frontal lobe and PCC. While fMRI has been utilized as a tool to explore the relationship between PD patients and DMN connectivity, future research should look to develop a better understanding of the specific mechanisms of action that drive this link between DMN abnormality and PD severity.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».