Progressive iron accumulation across multiple sclerosis phenotypes revealed by sparse classification of deep gray matter
Notice bibliographique
Résumé
PURPOSE: To create an automated framework for localized analysis of deep gray matter (DGM) iron accumulation and demyelination using sparse classification by combining quantitative susceptibility (QS) and transverse relaxation rate (R2*) maps, for evaluation of DGM in multiple sclerosis (MS) phenotypes relative to healthy controls. MATERIALS AND METHODS: R2*/QS maps were computed using a 4.7T 10-echo gradient echo acquisition from 16 clinically isolated syndrome (CIS), 41 relapsing-remitting (RR), 40 secondary-progressive (SP), 13 primary-progressive (PP) MS patients, and 75 controls. Sparse classification for R2*/QS maps of segmented caudate nucleus (CN), putamen (PU), thalamus (TH), and globus pallidus (GP) structures produced localized maps of iron/myelin in MS patients relative to controls. Paired t-tests, with age as a covariate, were used to test for statistical significance (P ≤ 0.05). RESULTS: In addition to DGM structures found significantly different in patients compared to controls using whole region analysis, singular sparse analysis found significant results in RRMS PU R2* (P = 0.03), TH R2* (P = 0.04), CN QS (P = 0.04); in SPMS CN R2* (P = 0.04), GP R2* (P = 0.05); and in PPMS CN R2* (P = 0.04), TH QS (P = 0.04). All sparse regions were found to conform to an iron accumulation pattern of changes in R2*/QS, while none conformed to demyelination. Intersection of sparse R2*/QS regions also resulted in RRMS CN R2* becoming significant, while RRMS R2* TH and PPMS QS TH becoming insignificant. Common iron-associated volumes in MS patients and their effect size progressively increased with advanced phenotypes. CONCLUSION: A localized technique for identifying sparse regions indicative of iron or myelin in the DGM was developed. Progressive iron accumulation with advanced MS phenotypes was demonstrated, as indicated by iron-associated sparsity and effect size. LEVEL OF EVIDENCE: 1 Technical Efficacy: Stage 1 J. Magn. Reson. Imaging 2017;46:1464-1473.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 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 ».