MétaCan
Menu
Retour à la cohorte
Enregistrement W2281552218 · doi:10.1016/j.nicl.2016.02.012

Application of texture analysis to DAT SPECT imaging: Relationship to clinical assessments

2016· article· en· W2281552218 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueNeuroImage Clinical · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueRadiomics and Machine Learning in Medical Imaging
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMichael J. Fox Foundation for Parkinson's Research
Mots-clésSpect imagingDopamine transporterMontreal Cognitive AssessmentMedicinePutamenNuclear medicineUnivariateMultivariate analysisParkinson's diseaseMultivariate statisticsCognitive impairmentInternal medicineDiseaseComputer scienceDopamine

Résumé

récupéré en direct d'OpenAlex

Dopamine transporter (DAT) SPECT imaging is increasingly utilized for diagnostic purposes in suspected Parkinsonian syndromes. We performed a cross-sectional study to investigate whether assessment of texture in DAT SPECT radiotracer uptake enables enhanced correlations with severity of motor and cognitive symptoms in Parkinson's disease (PD), with the long-term goal of enabling clinical utility of DAT SPECT imaging, beyond standard diagnostic tasks, to tracking of progression in PD. Quantitative analysis in routine DAT SPECT imaging, if performed at all, has been restricted to assessment of mean regional uptake. We applied a framework wherein textural features were extracted from the images. Notably, the framework did not require registration to a common template, and worked in the subject-native space. Image analysis included registration of SPECT images onto corresponding MRI images, automatic region-of-interest (ROI) extraction on the MRI images, followed by computation of Haralick texture features. We analyzed 141 subjects from the Parkinson's Progressive Marker Initiative (PPMI) database, including 85 PD and 56 healthy controls (HC) (baseline scans with accompanying 3 T MRI images). We performed univariate and multivariate regression analyses between the quantitative metrics and different clinical measures, namely (i) the UPDRS (part III - motor) score, disease duration as measured from (ii) time of diagnosis (DD-diag.) and (iii) time of appearance of symptoms (DD-sympt.), as well as (iv) the Montreal Cognitive Assessment (MoCA) score. For conventional mean uptake analysis in the putamen, we showed significant correlations with clinical measures only when both HC and PD were included (Pearson correlation r = − 0.74, p-value < 0.001). However, this was not significant when applied to PD subjects only (r = − 0.19, p-value = 0.084), and no such correlations were observed in the caudate. By contrast, for the PD subjects, significant correlations were observed in the caudate when including texture metrics, with (i) UPDRS (p-values < 0.01), (ii) DD-diag. (p-values < 0.001), (iii) DD-sympt (p-values < 0.05), and (iv) MoCA (p-values < 0.01), while no correlations were observed for conventional analysis (p-values = 0.94, 0.34, 0.88 and 0.96, respectively). Our results demonstrated the ability to capture valuable information using advanced texture metrics from striatal DAT SPECT, enabling significant correlations of striatal DAT binding with clinical, motor and cognitive outcomes, and suggesting that textural features hold potential as biomarkers of PD severity and progression.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,011
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
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 enseignants0,414
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,068
Tête enseignante GPT0,482
Écart entre enseignants0,414 · 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