Assessing early white matter predictors of syntactic abilities in post-stroke aphasia using HARDI-based tractography
Bibliographic record
Abstract
La recherche de prédicteurs d’habilités langagières en aphasie post-accident vasculaire cérébral (AVC) basés sur la matière blanche a récemment vu un élan. Cela a été motivé par l’émergence du modèle à double-voie où des faisceaux de matière blanche dorsaux et ventraux jouent un rôle important dans le langage, ainsi que par l’avènement de la tractographie basée sur l’imagerie par résonance magnétique (IRM) de diffusion permettant l’étude in-vivo des faisceaux de matière blanche et de leurs propriétés structurelles. Les caractéristiques structurelles et la charge lésionnelle des faisceaux de matière blanche ont permis de prédire les troubles langagiers dans la phase chronique dans quelques études. Cependant, les prédicteurs aigus de matière blanche des habilités syntaxiques en aphasie post-AVC chronique sont méconnus. L’exploitation de la tractographie dans l’étude des faisceaux langagiers de matière blanche a été limitée par plusieurs défis méthodologiques, dont la difficulté de reconstruire des faisceaux ayant une architecture complexe. Des progrès méthodologiques ont été récemment introduits afin d’adresser ces limites, dont le plus important est la tractographie basée sur l’imagerie à haute résolution angulaire (« HARDI »). Cependant, la fiabilité test-retest de la reconstruction et des propriétés structurelles d’une approche de tractographie HARDI de pointe n’a pas encore été évaluée. Le premier article de cette thèse visait à évaluer la fiabilité test-retest de la reconstruction et des propriétés structurelles (anisotropie fractionnelle, FA; diffusivité moyenne, axiale et radiale, MD, AD, RD; nombre d’orientations de fibres, NuFO; volume du faisceau; longueur moyenne des « streamlines ») de faisceaux langagiers majeurs (arqué, inférieur fronto-occipital, inférieur longitudinal, unciné, AF, IFOF, ILF, UF) obtenus avec une approche de tractographie HARDI de pointe. La majorité des mesures de propriétés structurelles ont montré une bonne ou excellente fiabilité. Ces résultats ont des implications importantes pour l’utilisation d’une telle approche pour l’étude des faisceaux langagiers de matière blanche, car ils renforcent la confiance dans la stabilité des reconstructions et les propriétés structurelles obtenus avec la tractographie HARDI. Le second article de cette thèse visait à déterminer si et quelles propriétés structurelles (FA, AD, volume du faisceau), et la charge lésionnelle, de l’AF et l’UF gauches dans la phase aigüe (≤ 3 jours), obtenus avec l’approche de tractographie HARDI utilisée dans le premier article, prédisent les habilités syntaxiques dans le discours spontané en aphasie post-AVC chronique (≥ 6 mois). Des régressions multiples ascendantes ont révélé que le volume de l’AF prédit la production des verbes, la complexité des phrases et la complexité de la structure argumentale du verbe. Le volume de l’UF a amélioré la prédiction de cette dernière. Ces résultats indiquent que le volume semble être un bon prédicteur précoce des habilités syntaxiques dans le discours spontané en aphasie post-AVC chronique. Mis ensemble, les résultats de cette thèse soulignent l’utilité d’une approche de tractographie HARDI de pointe et son potentiel pour le développement futur de biomarqueurs précoces pouvant améliorer le pronostic de patients ayant une aphasie post-AVC chronique. Cela pourrait promouvoir l’optimisation des soins et le développement de thérapies pour le bienfait des patients et leurs familles.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".