Brain region’s relative proximity as marker for Alzheimer’s disease based on structural MRI
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Alzheimer's disease (AD) is a progressive, incurable neurodegenerative disease and the most common type of dementia. It cannot be prevented, cured or drastically slowed, even though AD research has increased in the past 5-10 years. Instead of focusing on the brain volume or on the single brain structures like hippocampus, this paper investigates the relationship and proximity between regions in the brain and uses this information as a novel way of classifying normal control (NC), mild cognitive impaired (MCI), and AD subjects. METHODS: A longitudinal cohort of 528 subjects (170 NC, 240 MCI, and 114 AD) from ADNI at baseline and month 12 was studied. We investigated a marker based on Procrustes aligned center of masses and the percentile surface connectivity between regions. These markers were classified using a linear discriminant analysis in a cross validation setting and compared to whole brain and hippocampus volume. RESULTS: We found that both our markers was able to significantly classify the subjects. The surface connectivity marker showed the best results with an area under the curve (AUC) at 0.877 (p<0.001), 0.784 (p<0.001), 0,766 (p<0.001) for NC-AD, NC-MCI, and MCI-AD, respectively, for the functional regions in the brain. The surface connectivity marker was able to classify MCI-converters with an AUC of 0.599 (p<0.05) for the 1-year period. CONCLUSION: Our results show that our relative proximity markers include more information than whole brain and hippocampus volume. Our results demonstrate that our proximity markers have the potential to assist in early diagnosis 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.
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 | 0,001 | 0,149 |
| 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle