Validation of <scp>T</scp>1w‐based segmentations of white matter hyperintensity volumes in large‐scale datasets of aging
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.
Notice bibliographique
Résumé
INTRODUCTION: Fluid-attenuated Inversion Recovery (FLAIR) and dual T2w and proton density (PD) magnetic resonance images (MRIs) are considered to be the optimum sequences for detecting white matter hyperintensities (WMHs) in aging and Alzheimer's disease populations. However, many existing large multisite studies forgo their acquisition in favor of other MRI sequences due to economic and time constraints. METHODS: In this article, we have investigated whether FLAIR and T2w/PD sequences are necessary to detect WMHs in Alzheimer's and aging studies, compared to using only T1w images. Using a previously validated automated tool based on a Random Forests classifier, WMHs were segmented for the baseline visits of subjects from ADC, ADNI1, and ADNI2/GO studies with and without T2w/PD and FLAIR information. The obtained WMH loads (WMHLs) in different lobes were then correlated with manually segmented WMHLs, each other, age, cognitive, and clinical measures to assess the strength of the correlations with and without using T2w/PD and FLAIR information. RESULTS: The WMHLs obtained from T1w-Only segmentations correlated with the manual WMHLs (ADNI1: r = .743, p < .001, ADNI2/GO: r = .904, p < .001), segmentations obtained from T1w + T2w + PD for ADNI1 (r = .888, p < .001) and T1w + FLAIR for ADNI2/GO (r = .969, p < .001), age (ADNI1: r = .391, p < .001, ADNI2/GO: r = .466, p < .001), and ADAS13 (ADNI1: r = .227, p < .001, ADNI2/GO: r = .190, p < 0.001), and NPI (ADNI1: r = .290, p < .001, ADNI2/GO: r = 0.144, p < .001), controlling for age. CONCLUSION: Our results suggest that while T2w/PD and FLAIR provide more accurate estimates of the true WMHLs, T1w-Only segmentations can still provide estimates that hold strong correlations with the actual WMHLs, age, and performance on various cognitive/clinical scales, giving added value to datasets where T2w/PD or FLAIR are not available.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 découle