MétaCan
Menu
Retour à la cohorte
Enregistrement W2596674235 · doi:10.1007/s12021-017-9326-0

A Comparison of Accelerated and Non-accelerated MRI Scans for Brain Volume and Boundary Shift Integral Measures of Volume Change: Evidence from the ADNI Dataset

2017· article· en· W2596674235 sur OpenAlexfundno aff
Emily N. Manning, Kelvin K. Leung, Jennifer M. Nicholas, Ian B. Malone, M. Jorge Cardoso, Jonathan M. Schott, Nick C. Fox, Josephine Barnes

Notice bibliographique

RevueNeuroinformatics · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced MRI Techniques and Applications
Établissements canadiensnon disponible
Organismes subventionnairesEngineering and Physical Sciences Research CouncilNational Institute of Biomedical Imaging and BioengineeringCanadian Institutes of Health ResearchUniversity of California, San DiegoGenentechNational Institutes of HealthIXICOAlzheimer’s Research UKH. Lundbeck A/SServierEisaiWolfson FoundationBrain Research TrustNational Institute on AgingNational Institute for Health and Care ResearchNorthern California Institute for Research and EducationCalifornia State University, BakersfieldPfizerBiogenBioClinicaF. Hoffmann-La RocheUniversity of Southern CaliforniaEuropean CommissionEli Lilly and CompanyU.S. Department of DefenseMedical Research CouncilMeso Scale DiagnosticsAlzheimer's Disease Neuroimaging InitiativeNovartis Pharmaceuticals CorporationBristol-Myers SquibbAlzheimer's AssociationFoundation for the National Institutes of Health
Mots-clésAtrophyNeuroimagingBrain sizeMedicineNuclear medicineMagnetic resonance imagingAlzheimer's Disease Neuroimaging InitiativeCardiologyAlzheimer's diseaseRadiologyInternal medicineDisease

Résumé

récupéré en direct d'OpenAlex

The aim of this study was to assess whether the use of accelerated MRI scans in place of non-accelerated scans influenced brain volume and atrophy rate measures in controls and subjects with mild cognitive impairment and Alzheimer's disease. We used data from 861 subjects at baseline, 573 subjects at 6 months and 384 subjects at 12 months from the Alzheimer's Disease Neuroimaging Initiative (ADNI). We calculated whole-brain, ventricular and hippocampal atrophy rates using the k-means boundary shift integral (BSI). Scan quality was visually assessed and the proportion of good quality accelerated and non-accelerated scans compared. We also compared MMSE scores, vascular burden and age between subjects with poor quality scans with those with good quality scans. Finally, we estimated sample size requirements for a hypothetical clinical trial when using atrophy rates from accelerated scans and non-accelerated scans. No significant differences in whole-brain, ventricular and hippocampal volumes and atrophy rates were found between accelerated and non-accelerated scans. Twice as many non-accelerated scan pairs suffered from at least some motion artefacts compared with accelerated scan pairs (p ≤ 0.001), which may influence the BSI. Subjects whose accelerated scans had significant motion had a higher mean vascular burden and age (p ≤ 0.05) whilst subjects whose non-accelerated scans had significant motion had poorer MMSE scores (p ≤ 0.05). No difference in estimated sample size requirements was found when using accelerated vs. non-accelerated scans. Accelerated scans reduce scan time and are better tolerated. Therefore it may be advantageous to use accelerated over non-accelerated scans in clinical trials that use ADNI-type protocols, especially in more cognitively impaired subjects.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,034
score de la tête « metaresearch » (Gemma)0,086
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,178

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0340,086
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,217
Tête enseignante GPT0,424
Écart entre enseignants0,207 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations19
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeuroinformaticsMême sujetAdvanced MRI Techniques and ApplicationsTravaux en français237 207