White matter lesion load is associated with resting state functional MRI activity and amyloid pet but not FDG in mild cognitive impairment and early alzheimer's disease patients
Notice bibliographique
Résumé
PURPOSE: To quantify and investigate the interactions between multimodal MRI/positron emission tomography (PET) imaging metrics in elderly patients with early Alzheimer's disease (AD), mild cognitive impairment (MCI) and healthy controls. MATERIALS AND METHODS: Thirteen early AD, 17 MCI patients, and 14 age-matched healthy aging controls from the Alzheimer's Disease Neuroimaging Initiative database were selected based on availability of data. Default mode network (DMN) functional connectivity and fractional amplitude of low frequency fluctuation (fALFF) were obtained for resting state functional MRI (RS-fMRI). White matter lesion load (WMLL) was quantified from MRI T2-weighted FLAIR images. Amyloid deposition with PET [(18)F]-Florbetapir tracer and metabolism of glucose by means of [(18)F]-fluoro-2-deoxyglucose (FDG) images were quantified using ratio of standard uptake values (rSUV). RESULTS: Whole-brain WMLL and amyloid deposition were significantly higher (P < 0.005) in MCI and AD patients compared with controls. RS-fMRI results showed significantly reduced (corrected P < 0.05) DMN connectivity and altered fALFF activity in both MCI and AD groups. FDG uptake results showed hypometabolism in AD and MCI patients compared with controls. Correlations (P < 0.05) were found between WMLL and amyloid load, FDG uptake and amyloid load, as well as between amyloid load (rSUV) and fALFF. CONCLUSION: Our quantitative results of four MRI and PET imaging metrics (fALFF/DMN, WMLL, amyloid, and FDG rSUV values) agree with published values. Significant correlations between MRI metrics, including WMLL/functional activity and PET amyloid load suggest the potential of MRI and PET-based biomarkers for early detection of AD.
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 | 0,000 | 0,001 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».