Machine learning reveals distinct neuroanatomical signatures of cardiovascular and metabolic diseases in cognitively unimpaired individuals

Comorbid cardiovascular and metabolic risk factors (CVM) differentially impact brain structure and increase dementia risk, but their specific magnetic resonance imaging signatures (MRI) remain poorly characterized. To address this, we developed and validated machine learning models to quantify the d...

Celý popis

Uloženo v:
Podrobná bibliografie
Vydáno v:Nature communications Ročník 16; číslo 1; s. 2724 - 12
Hlavní autoři: Govindarajan, Sindhuja Tirumalai, Mamourian, Elizabeth, Erus, Guray, Abdulkadir, Ahmed, Melhem, Randa, Doshi, Jimit, Pomponio, Raymond, Tosun, Duygu, Bilgel, Murat, An, Yang, Sotiras, Aristeidis, Marcus, Daniel S., LaMontagne, Pamela, Benzinger, Tammie L. S., Espeland, Mark A., Masters, Colin L., Maruff, Paul, Launer, Lenore J., Fripp, Jurgen, Johnson, Sterling C., Morris, John C., Albert, Marilyn S., Bryan, R. Nick, Resnick, Susan M., Habes, Mohamad, Shou, Haochang, Wolk, David A., Nasrallah, Ilya M., Davatzikos, Christos
Médium: Journal Article
Jazyk:angličtina
Vydáno: London Nature Publishing Group UK 19.03.2025
Nature Publishing Group
Nature Portfolio
Témata:
ISSN:2041-1723, 2041-1723
On-line přístup:Získat plný text
Tagy: Přidat tag
Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!
Buďte první, kdo okomentuje tento záznam!
Nejprve se musíte přihlásit.