MétaCan
Menu
Retour à la cohorte
Enregistrement W2157328578 · doi:10.1093/brain/awq257

Magnetic resonance imaging pattern recognition in hypomyelinating disorders

2010· article· en· W2157328578 sur OpenAlexaff
Marjan E. Steenweg, Adeline Vanderver, Susan Blasér, Alberto Bizzi, Tom J. de Koning, Grazia M.S. Mancini, Wessel N. van Wieringen, Frederik Barkhof, Nicole I. Wolf, Marjo S. van der Knaap

Notice bibliographique

RevueBrain · 2010
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA regulation and disease
Établissements canadiensHospital for Sick Children
Organismes subventionnairesNational Institute of Neurological Disorders and StrokeZonMw
Mots-clésMagnetic resonance imagingMedicineHypogonadotropic hypogonadismWhite matterPathologyInternal medicineRadiology

Résumé

récupéré en direct d'OpenAlex

Hypomyelination is observed in the context of a growing number of genetic disorders that share clinical characteristics. The aim of this study was to determine the possible role of magnetic resonance imaging pattern recognition in distinguishing different hypomyelinating disorders, which would facilitate the diagnostic process. Only patients with hypomyelination of known cause were included in this retrospective study. A total of 112 patients with Pelizaeus-Merzbacher disease, hypomyelination with congenital cataract, hypomyelination with hypogonadotropic hypogonadism and hypodontia, Pelizaeus-Merzbacher-like disease, infantile GM1 and GM2 gangliosidosis, Salla disease and fucosidosis were included. The brain scans were rated using a standard scoring list; the raters were blinded to the diagnoses. Grouping of the patients was based on cluster analysis. Ten clusters of patients with similar magnetic resonance imaging abnormalities were identified. The most important discriminating items were early cerebellar atrophy, homogeneity of the white matter signal on T(2)-weighted images, abnormal signal intensity of the basal ganglia, signal abnormalities in the pons and additional T(2) lesions in the deep white matter. Eight clusters each represented mainly a single disorder (i.e. Pelizaeus-Merzbacher disease, hypomyelination with congenital cataract, hypomyelination with hypogonadotropic hypogonadism and hypodontia, infantile GM1 and GM2 gangliosidosis, Pelizaeus-Merzbacher-like disease and fucosidosis); only two clusters contained multiple diseases. Pelizaeus-Merzbacher-like disease was divided between two clusters and Salla disease did not cluster at all. This study shows that it is possible to separate patients with hypomyelination disorders of known cause in clusters based on magnetic resonance imaging abnormalities alone. In most cases of Pelizaeus-Merzbacher disease, hypomyelination with congenital cataract, hypomyelination with hypogonadotropic hypogonadism and hypodontia, Pelizaeus-Merzbacher-like disease, infantile GM1 and GM2 gangliosidosis and fucosidosis, the imaging pattern gives clues for the diagnosis.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,005
Tête enseignante GPT0,229
Écart entre enseignants0,224 · 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'étudeObservationnel
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

Citations285
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBrainMême sujetRNA regulation and diseaseTravaux en français237 207