Diffusion Tensor Imaging to Analyze White Matter Tract Abnormalities in Major Psychiatric Disorders
Notice bibliographique
Résumé
Abstract Diffusion tensor imaging (DTI) has emerged as a valuable tool in studying depression-related brain changes. DTI is a type of magnetic resonance (MR) imaging that maps the diffusion of water molecules to visualize white matter tracts in the brain. By measuring the diffusion of water molecules in brain tissue, DTI provides information about the structural organization of white matter fibers and the integrity of neural pathways. A total of 30 cases with the first episode of severe depression were included in the study. Age- and gender-matched 30 healthy controls were also included. A structured clinical interview was conducted using the Diagnostic and Statistical Manual of Mental Disorders, fourth edition (DSM-IV) criteria for the diagnosis of major depression and the Hamilton Rating Scale for Depression was calculated. A 1.5 Tesla (T) MR System was used to determine the fractional anisotropy (FA) and apparent diffusion coefficient (ADC) values of 10 main white matter fiber tracts. Mann–Whitney U test was applied and p-values of all the 10 white matter fiber tracts were calculated. DTI analysis found that FA values were significantly lower (p < 0.05) in patients compared with healthy controls in the fornix (p = 0), cingulum hippocampus (p = 0.011), inferior fronto-occipital fasciculus (p = 0.013), and superior longitudinal fasciculus (p = 0.026). ADC values were significantly higher in the fornix (p = 0.040) and reduced in anterior thalamic radiation (p = 0.011). We concluded that various microstructural changes occur in these white matter tracts, mainly in the fronto-limbic system and play a key role in the pathophysiology of depression. This information can help in developing methods of preventing such alterations, which can reduce the morbidity of depressive patients.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,000 | 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 ».