Widespread diffusion changes differentiate Parkinson's disease and progressive supranuclear palsy
Notice bibliographique
Résumé
Parkinson's disease (PD) and progressive supranuclear palsy – Richardson's syndrome (PSP-RS) are often represented by similar clinical symptoms, which may challenge diagnostic accuracy. The objective of this study was to investigate and compare regional cerebral diffusion properties in PD and PSP-RS subjects and evaluate the use of these metrics for an automatic classification framework. Diffusion-tensor MRI datasets from 52 PD and 21 PSP-RS subjects were employed for this study. Using an atlas-based approach, regional median values of mean diffusivity (MD), fractional anisotropy (FA), radial diffusivity (RD), and axial diffusivity (AD) were measured and employed for feature selection using RELIEFF and subsequent classification using a support vector machine. According to RELIEFF, the top 17 diffusion values consisting of deep gray matter structures, the brainstem, and frontal cortex were found to be especially informative for an automatic classification. A MANCOVA analysis performed on these diffusion values as dependent variables revealed that PSP-RS and PD subjects differ significantly ( p < .001). Generally, PSP-RS subjects exhibit reduced FA, and increased MD, RD, and AD values in nearly all brain structures analyzed compared to PD subjects. The leave-one-out cross-validation of the support vector machine classifier revealed that the classifier can differentiate PD and PSP-RS subjects with an accuracy of 87.7%. More precisely, six PD subjects were wrongly classified as PSP-RS and three PSP-RS subjects were wrongly classified as PD. The results of this study demonstrate that PSP-RS subjects exhibit widespread and more severe diffusion alterations compared to PD patients, which appears valuable for an automatic computer-aided diagnosis approach. • Brain diffusion was compared in progressive supranuclear palsy-Richardson's syndrome (PSP-RS) and Parkinson's disease (PD). • Results show widespread diffusion alterations in PSP-RS compared to PD. • PSP-RS patients show significant reduction of FA and an increase of MD, RD, and AD values in compared to PD. • RELIEFF feature selection combined with a support vector machine classifier resulted in a differentiation accuracy of 87.7%.
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 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 | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».