Reference tissue normalization in longitudinal 18F-florbetapir positron emission tomography of late mild cognitive impairment
Notice bibliographique
Résumé
BACKGROUND: Semiquantitative methods such as the standardized uptake value ratio (SUVR) require normalization of the radiotracer activity to a reference tissue to monitor changes in the accumulation of amyloid-β (Aβ) plaques measured with positron emission tomography (PET). The objective of this study was to evaluate the effect of reference tissue normalization in a test-retest (18)F-florbetapir SUVR study using cerebellar gray matter, white matter (two different segmentation masks), brainstem, and corpus callosum as reference regions. METHODS: We calculated the correlation between (18)F-florbetapir PET and concurrent cerebrospinal fluid (CSF) Aβ1-42 levels in a late mild cognitive impairment cohort with longitudinal PET and CSF data over the course of 2 years. In addition to conventional SUVR analysis using mean and median values of normalized brain radiotracer activity, we investigated a new image analysis technique-the weighted two-point correlation function (wS2)-to capture potentially more subtle changes in Aβ-PET data. RESULTS: Compared with the SUVRs normalized to cerebellar gray matter, all cerebral-to-white matter normalization schemes resulted in a higher inverse correlation between PET and CSF Aβ1-42, while the brainstem normalization gave the best results (high and most stable correlation). Compared with the SUVR mean and median values, the wS2 values were associated with the lowest coefficient of variation and highest inverse correlation to CSF Aβ1-42 levels across all time points and reference regions, including the cerebellar gray matter. CONCLUSIONS: The selection of reference tissue for normalization and the choice of image analysis method can affect changes in cortical (18)F-florbetapir uptake in longitudinal studies.
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 | 0,002 | 0,000 |
| 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 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 ».