The AddNeuroMed framework for multi‐centre MRI assessment of Alzheimer's disease : experience from the first 24 months
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: To describe the AddNeuroMed imaging framework for multi-centre magnetic resonance imaging (MRI) assessment of longitudinal changes in Alzheimer's disease and report on early results from the first 24 months of the project. METHODS: A multi-centre study similarly to a faux clinical trial has been established to assess longitudinal MRI changes in Alzheimer disease (AD), mild cognitive impairment (MCI) and healthy control subjects using an image acquisition protocol compatible with Alzheimer disease neuroimaging initiative (ADNI). Comprehensive quality control (QC) measures have been established throughout the study. An intelligent web-accessible database holds details on both the raw images and data processed using a sophisticated image analysis pipeline. RESULTS: A total of 378 subjects have been recruited (130 AD, 131 MCI, 117 healthy controls) of which a high percentage (97.3%) of the T1-weighted volumes passed the QC criteria. Measurements of normalized whole brain volume and whole brain cortical thickness showed significant differences between AD and controls, AD and MCI and MCI and controls. CONCLUSIONS: A framework for multi-centre MRI studies of Alzheimer's disease has been established consisting of a harmonized MRI acquisition protocol across centres, rigorous QC at both the sites and central data analysis hub and an automated image analysis pipeline. Early results demonstrate the high quality of the images acquired and the applicability of the automated image analysis techniques employed.
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.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| 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 découle