Resting state connectivity alterations in multiple sclerosis revealed by 7 T MRI
Notice bibliographique
Résumé
Multiple Sclerosis (MS) is an autoimmune disease that affects the central nervous system and is characterized by demyelination, axonal loss, and neurodegeneration. Functional connectivity (FC), the temporal correlation of multiple distinct brain regions, characterizes resting state networks (RSN) and may contain useful indicators of MS pathology that are not captured with traditional structural MRI metrics. In this project, we aimed to elucidate FC differences between a cohort of age/sex matched healthy controls (HC) (n=15), early stage relapsing-remitting MS (RRMS) (n=14) and late stage secondary progressive MS (SPMS) (n=11) patients. Subjects were scanned using high field 7 T MRI to acquire high quality resting state functional MRI data, as well as high resolution anatomical images. RSN’s were measured using two methods: (1) group independent component analysis, a fully data-driven technique that uncovered group-specific RSNs, and (2) a correlation matrix approach, implemented by selecting 100 predefined regions of interest (ROIs) across a set of template RSN’s. Group differences in FC were measured with reference to MS disability, neuropsychological testing scores, and cortical gray matter thickness. The RRMS phenotype exhibited globally increased FC compared to HC and SPMS. This was particularly evident within and between the default mode network and executive control network. RRMS subjects also showed statistically significant increases in connectivity within the visual and sensorimotor networks compared to HC in dual regression functional MRI data analysis. A regional connectivity analysis using predefined ROIs revealed increased FC in short-range, posterior DMN regions and disrupted long-range FC in thalamic DMN regions of RRMS subjects compared to HC. The strength of thalamic connections in the DMN was also directly correlated with cognitive processing speed in all three cohorts. Overall, the results of our study suggest possible short-term compensatory adaptations in RRMS that may preserve and even strengthen FC in the brain
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 | 0,000 | 0,001 |
| 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) | 0,005 | 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 ».