Reliability of neuroanatomical measurements in a multisite longitudinal study of youth at risk for psychosis
Notice bibliographique
Résumé
Multisite longitudinal neuroimaging designs are used to identify differential brain structural change associated with onset or progression of disease. The reliability of neuroanatomical measurements over time and across sites is a crucial aspect of power in such studies. Prior work has found that while within-site reliabilities of neuroanatomical measurements are excellent, between-site reliability is generally more modest. Factors that may increase between-site reliability include standardization of scanner platform and sequence parameters and correction for between-scanner variations in gradient nonlinearities. Factors that may improve both between- and within-site reliability include use of registration algorithms that account for individual differences in cortical patterning and shape. In this study 8 healthy volunteers were scanned twice on successive days at 8 sites participating in the North American Prodrome Longitudinal Study (NAPLS). All sites employed 3 Tesla scanners and standardized acquisition parameters. Site accounted for 2 to 30% of the total variance in neuroanatomical measurements. However, site-related variations were trivial (<1%) among sites using the same scanner model and 12-channel coil or when correcting for between-scanner differences in gradient nonlinearity and scaling. Adjusting for individual differences in sulcal-gyral geometries yielded measurements with greater reliabilities than those obtained using an automated approach. Neuroimaging can be performed across multiple sites at the same level of reliability as at a single site, achieving within- and between-site reliabilities of 0.95 or greater for gray matter density in the majority of voxels in the prefrontal and temporal cortical surfaces as well as for the volumes of most subcortical structures.
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 | 0,004 | 0,010 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».