Spatiotemporal analysis for detection of pre-symptomatic shape changes in neurodegenerative diseases: Initial application to the GENFI cohort
Notice bibliographique
Résumé
Brain atrophy as measured from structural MR images, is one of the primary imaging biomarkers used to track neurodegenerative disease progression. In diseases such as frontotemporal dementia or Alzheimer's disease, atrophy can be observed in key brain structures years before any clinical symptoms are present. Atrophy is most commonly captured as volume change of key structures and the shape changes of these structures are typically not analysed despite being potentially more sensitive than summary volume statistics over the entire structure. In this paper we propose a spatiotemporal analysis pipeline based on Large Diffeomorphic Deformation Metric Mapping (LDDMM) to detect shape changes from volumetric MRI scans. We applied our framework to a cohort of individuals with genetic variants of frontotemporal dementia and healthy controls from the Genetic FTD Initiative (GENFI) study. Our method, take full advantage of the LDDMM framework, and relies on the creation of a population specific average spatiotemporal trajectory of a relevant brain structure of interest, the thalamus in our case. The residuals from each patient data to the average spatiotemporal trajectory are then clustered and studied to assess when presymptomatic mutation carriers differ from healthy control subjects. We found statistical differences in shape in the anterior region of the thalamus at least five years before the mutation carrier subjects develop any clinical symptoms. This region of the thalamus has been shown to be predominantly connected to the frontal lobe, consistent with the pattern of cortical atrophy seen in the disease.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».