MétaCan
Menu
Retour à la cohorte
Enregistrement W4415618229 · doi:10.1186/s12880-025-01979-5

MRI study on hippocampal subfield volume loss and abnormal functional connectivity in patients with diabetic retinopathy

2025· article· en· W4415618229 sur OpenAlexaboutno aff
Yaqi Song, Zhijun Zhou, Weidong Ji, Ning Wang, Liang He, Ji Zhang, Xiujuan Chen, Jianguo Xia, Weizhong Tian

Notice bibliographique

RevueBMC Medical Imaging · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueRetinal Diseases and Treatments
Établissements canadiensnon disponible
Organismes subventionnairesSix Talent Peaks Project in Jiangsu ProvinceGovernment of Jiangsu Province
Mots-clésHippocampal formationNeuroimagingFunctional connectivityHippocampusCognitionFunctional neuroimagingFunctional imagingDiabetic retinopathyCentral nervous system

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: This study aimed to investigate the characteristics of gray matter volume loss in hippocampal subfields and alterations in whole-brain functional connectivity among patients with diabetic retinopathy (DR), and to examine the correlations between these neural changes and neuropsychological scale scores as well as clinical indicators. METHODS: Structural and functional magnetic resonance imaging (MRI) data, along with neurocognitive assessments, were acquired from 32 patients with diabetic retinopathy (DR) and 38 age- and sex-matched healthy controls using a Siemens 3.0T MRI scanner. Hippocampal subfield volumes were segmented and extracted using the Anatomy toolbox and Restplus (v1.25) within the MATLAB R2022a environment. Subregions demonstrating significant volumetric alterations were identified through subsequent between-group comparisons and defined as regions of interest (ROIs) for seed-based whole-brain functional connectivity (FC) analysis. The relationships between gray matter volume, functional connectivity values, neuropsychological test scores, and clinical indices were investigated using partial correlation analysis. RESULTS: Compared to healthy controls, patients with diabetic retinopathy (DR) exhibited significantly reduced bilateral entorhinal cortex (EC) volumes and increased volume in bilateral dentate gyrus (DG) (P < 0.05, FDR-corrected). Using these volume-altered subregions as regions of interest (ROIs), seed-based functional connectivity (FC) analysis revealed significantly increased FC strength between the left EC and the left caudate nucleus, alongside significantly decreased FC strength between the right DG and the right middle occipital gyrus (GRF correction: voxel-level p < 0.001, cluster-level p < 0.05, two-tailed). Furthermore, partial correlation analyses demonstrated significant positive correlations between the FC strength of the right hippocampal DG subfield and the right middle occipital gyrus, and scores on both the Montreal Cognitive Assessment (MoCA) (r = 0.560, p = 0.001) and the Mini-Mental State Examination (MMSE) (r = 0.541, p = 0.002). CONCLUSIONS: Patients with diabetic retinopathy (DR) demonstrate structural alterations in hippocampal subfields and widespread functional dysconnectivity across the brain. Notably, the strength of functional connectivity between the hippocampus and the visual cortex was significantly and positively correlated with cognitive function. This study provides neuroimaging evidence supporting the mechanisms underlying central nervous system complications in DR, suggesting that hippocampal subfield volumes and specific functional connectivity patterns hold potential as neuroimaging biomarkers for early intervention.

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 enseignants0,007
Score d'incertitude au seuil0,444

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,007
Tête enseignante GPT0,253
Écart entre enseignants0,247 · 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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC Medical ImagingMême sujetRetinal Diseases and TreatmentsTravaux en français237 207