Selection of Reference Regions to Model Neurodegeneration in Huntington Disease by 18F-FDG PET/CT Using Imaging and Clinical Parameters
Notice bibliographique
Résumé
OBJECTIVE: Normalization to an appropriate reference region in F-FDG PET imaging may enhance diagnostic performance in Huntington disease (HD). We aimed to identify stable brain areas that could be used to model neurometabolic degeneration in HD correlating imaging (SUVrvalues at the basal ganglia [BBGG]) and clinical parameters (disease burden score [DBS]). MATERIALS AND METHODS: We performed brain F-FDG PET/CT in 38 manifest HD patients (meanage ± SD, 54 ± 14.3 years; CAGrepeats ± SD, 44.2 ± 3.1), 20 premanifest HD patients (meanage ± SD, 42.7 ± 11.7 years; CAGrepeats ± SD, 40 ± 3.8), and 18 healthy controls (NC; meanage ± SD, 45 ± 13.2 years). For quantitative analysis, we selected (a) defined reference regions from the Montreal Neurological Institute space atlas (pons, whole cerebellum, cerebral white matter, thalamus, and a pons-cerebellar vermis region of interest), and (b) reference clusters obtained by voxelwise statistical comparison across groups (P < 0.05 FWE; extent voxel threshold k = 200). Each candidate reference region and reference cluster was quantitatively assessed using imaging and clinical parameters. RESULTS: Comparing HD and NC groups, we obtained a reference cluster in the cerebellum, and in temporal and frontal lobes. Comparing manifest HD and premanifest HD patients, we observed reference clusters in the cerebellum, pons, thalamus, parietal lobe, and cuneus. The set of reference regions showed a significant correlation between SUVrvalues at the BBGG and DBS in all HD patients. In premanifest HD patients, the correlation between SUVrvalues at the BBGG and DBS was significant using the pons-cerebellar vermis region of interest, the thalamus as defined reference regions, and the pons and thalamus as reference clusters. In manifest HD patients, the correlation was significant using the temporal and white matter frontal lobe clusters. Variance between SUVrvalues in the set of reference regions and reference clusters was minimal within NC. CONCLUSIONS: The pons may be a stable and reliable region to calculate SUVrvalues to model the neurometabolic degeneration in quantitative F-FDG PET imaging in HD.
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 | 0,001 | 0,009 |
| 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 ».