IC‐P‐099: A quantitative comparison between two manual hippocampal segmentation protocols
Notice bibliographique
Résumé
Hippocampal atrophy is an important morphological biomarker of disease progression in Alzheimer's disease. The hippocampal harmonization project (HarP) resolves heterogeneity between many different hippocampal segmentation protocols by designing a single agreed-upon segmentation protocol (Boccardi, 2014). In this study, we compared HarP to the protocol presented by Pruessner (2000) in terms of both (1) segmentation accuracy and (2) the mean volume hippocampal difference between the ADNI healthy and AD population. Both manual segmentation methods were used to train a fully automated patch-based segmentation technique (Fonov et al. 2012). The method shows promising results in terms of conformity with training library (Zandifar, AAIC 2014:IC-P-150). For HarP, the 100 released HarP datasets were used (Boccardi, 2015). For the Pruessner protocol, 60 subjects from ADNI data (20 NC; 20 MCI; 20 AD) were segmented by a single rater. All baseline visit ADNI1 NC and AD subjects with 1.5T scans were segmented automatically. Kappa overlap was used to evaluate segmentation accuracy in a leave-one-out validation. Cohen's d effect size was measured between the hippocampal volume in both clinical groups in the native and stereotactic space. The average Kappa overlap was 0.878 for the Pruessner protocol and 0.843 for HarP. Table 1 shows Cohen's d effect size between the groups in both stereotaxic and native space for each side. The results show that both protocols capture the statistical difference between the group means (Cohen's d > 0.8). The difference in effect size between segmentation methods is negligible in both native and stereotaxic space. Both segmentation protocols yield reasonably accurate segmentations, and have equivalent power to show NC: AD group differences. The larger kappa for Pruessner labels is due in part to tracing in 3D versus 2D for HarP labels, where boundary smoothness may not be ensured. Among the many protocols compared in (Boccardi, 2014), the Pruessner protocol is the most similar to HarP, thus both methods work equally well to show group differences. Given its good performance, HarP is a good candidate to resolve heterogeneity between hippocampal segmentation protocols while maintaining power to detect volume differences between groups.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,026 | 0,082 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,008 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,003 |
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 source (Gemma direct ou Codex distillé), 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 ».