MétaCan
Menu
Retour à la cohorte
Enregistrement W2121287965 · doi:10.1016/j.jalz.2011.05.2095

P4‐074: Automated quantification of [18F]flutemetamol amyloid imaging data

2011· article· en· W2121287965 sur OpenAlexaboutno aff
Lennart Thurfjell, Roger Lundqvist, Johan Lilja, Jyrki Lötjönen, Hilkka Soininen, Gunhild Waldemar, Rik Vandenberghe

Notice bibliographique

RevueAlzheimer s & Dementia · 2011
Typearticle
Langueen
DomaineMedicine
ThématiqueRadiomics and Machine Learning in Medical Imaging
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNuclear medicineVoxelMedicineCognitive impairmentStandardized uptake valuePositron emission tomographyRadiologyPsychologyPathologyDisease

Résumé

récupéré en direct d'OpenAlex

Although visual read can be used to categorize amyloid imaging scans into raised or normal uptake levels, image quantification can help in equivocal cases and will also be necessary for longitudinal comparisons. For use in routine clinical practice, a fully automated quantification method will be beneficial to aid in image analysis and reporting. An application for quantification of [F]flutemetamol data was developed. It takes the patient's PET and MR scan as input and the following processing steps are applied: 1) the MR is co-registered to the PET; 2) the PET is spatially normalized to Montreal Neurological Institute (MNI) space and the transformation is applied to the co-registered MR; 3) counts in a reference region (cerebellum gray matter or pons) and a Standardized Uptake Value Ratio (SUVR) image is computed; 4) a volume of interest (VOI) atlas is applied and SUVR values within cortical regions defined by the atlas are computed; 5) cortical surface projections are computed; and 6) the results are compared to a normals database and z-scores are computed. Result views include VOI SUVR values and z-scores, voxel-based z-scores projected on the subject's MR as well as SUVR and z-score surface projections. The MR is optional and if not available, an MR template (ICBM-152) is used for display purposes. 27 patients with early-stage Alzheimer's disease (AD), 20 with mild cognitive impairment (MCI) and 25 healthy volunteers (HV) from the [F]flutemetamol Phase II study were used to evaluate the application. The HV data was used to build a normals database. All scans were analyzed and were categorized into raised or normal levels of amyloid based on the Z score value of a composite cortical VOI using a Z score threshold of 2.0. The results were compared to a blinded visual read by five independent trained readers. The categorization of scans made by the automated application showed concordance with the visual read results in all the AD and HV scans and in 19 of 20 MCI scans. The results were identical for both reference region methods. The figure shows results from an Aβ- and an Aβ+ subject with comparison to normal

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,061

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0180,007

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.

Tête enseignante Opus0,068
Tête enseignante GPT0,330
Écart entre enseignants0,262 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAlzheimer s & DementiaMême sujetRadiomics and Machine Learning in Medical ImagingTravaux en français237 207