Diffusion Tensor Imaging in Idiopathic Parkinson's Disease and Multisystem Atrophy (Parkinsonian Type)
Notice bibliographique
Résumé
BACKGROUND: Differentiation between Parkinson's disease (PD) and atypical Parkinson syndromes (AP) is usually based on clinical examination, but can be challenging especially at early stages of the diseases. Diffusion tensor imaging (DTI) allows for differentiation between PD and AP with good specificity. It is a promising tool for clinical application, but has not been elaborated completely with respect to methodology and validity. OBJECTIVE: In this study we evaluated differences of the apparent diffusion coefficient (ADC) and fractional anisotropy (FA) within white brain matter between patients with PD and multisystem atrophy of the parkinsonian type (MSAp). MATERIALS AND METHODS: DTI data of 9 PD and 9 MSAp patients were compared by means of a hypothesis-free whole-brain analysis algorithm (TBSS) focusing on changes within white matter. RESULTS: We found significantly higher values of the ADC in the MSAp group in the anterior limb of the inner capsule, superior parts of the corona radiata, and lateral periputaminal white matter. Group differences in FA values were not significant. CONCLUSION: Changes of the ADC close to the putamen proved most consistent and seem to be promising for the ongoing clinical implementation of DTI for the differentiation of hypokinetic-rigid movement 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 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 | 0,001 | 0,002 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».