MRI texture heterogeneity in the optic nerve predicts visual recovery after acute optic neuritis
Notice bibliographique
Résumé
PURPOSE: To test the feasibility of using multi-scale MRI texture analysis to assess optic nerve pathology and to investigate how visual recovery relates to the severity of acute tissue damage in the optic nerve in patients after optic neuritis (ON). MATERIALS AND METHODS: We recruited 25 patients with acute ON. Retinal nerve fiber layer (RNFL) thickness; MRI lesion length and enhancement; optic nerve area ratio; and multi-scale MRI texture analysis, a measure of structural integrity, were used to assess tissue damage at baseline, and at 6 and 12 months. The recovery in vision was defined as the functional outcome. Eight healthy subjects were imaged for control. RESULTS: We identified 25 lesions in the affected eyes (9 enhanced) and 5 in the clinically non-affected eyes (none enhanced). At baseline, we found that RNFL values were 20% thicker and lesion texture 14% more heterogeneous in the affected eyes than in the non-affected eyes, and lesion texture ratio of affected to non-affected eyes was greater in patients than in controls. In the affected eyes, visual acuity recovered significantly over 6 (18/23 patients) and 12 months (18/21 patients) when RNFL thickness and optic nerve area ratio decreased over time. Texture heterogeneity in the standard MRI of acute optic nerve lesions was the only measure that predicted functional recovery after ON. CONCLUSIONS: Tissue heterogeneity may be a potential measure of functional outcome in ON patients and advanced analysis of the texture in standard MRI could provide insights into mechanisms of injury and recovery in patients with similar disorders.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».