MétaCan
Menu
Retour à la cohorte
Enregistrement W2912524871 · doi:10.1002/jmri.26650

Classifying cognitive impairment based on the spatial heterogeneity of cerebral blood flow images

2019· article· en· W2912524871 sur OpenAlexafffund
Zahra Shirzadi, Bojana Stefanovic, Henk Mutsaerts, Mario Masellis, Bradley J. MacIntosh

Notice bibliographique

RevueJournal of Magnetic Resonance Imaging · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced MRI Techniques and Applications
Établissements canadiensHealth Sciences CentreUniversity of TorontoOntario Brain InstituteSunnybrook Health Science Centre
Organismes subventionnairesCanadian Institutes of Health ResearchNational Institutes of HealthUniversity of TorontoNational Institute of Biomedical Imaging and BioengineeringNorthern California Institute for Research and EducationU.S. Department of Defense
Mots-clésIntraclass correlationCerebral blood flowTemporal lobeMedicineNeuroimagingPopulationAlzheimer's diseaseNuclear medicineCardiologyLogistic regressionPsychologyAudiologyInternal medicineNeuroscienceDiseasePsychometricsDevelopmental psychology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The spatial coefficient of variation (sCoV) of arterial spin-labeled (ASL) MRI can index cerebral blood flow spatial heterogeneity. This metric reflects delayed blood delivery-seen as a hyperintense ASL signal juxtaposed by hypointense regions. PURPOSE: To investigate the use of ASL-sCoV in the classification of cognitively unimpaired (CU), mild cognitive impairment (MCI), and Alzheimer's disease (AD) cohorts. STUDY TYPE: Prospective/cohort. POPULATION: Baseline ASL images from AD neuroimaging initiative dataset in three groups of CU, MCI, and AD (N = 258). FIELD STRENGTH/SEQUENCE: Pulsed ASL (PICORE QT2) images were acquired on 3 T Siemens systems (TE/TR = 12/3400 msec, TI1/2 = 700/1900 msec). ASSESSMENT: ASL-sCoV was calculated in temporal, parietal, occipital, and frontal lobes as well as whole gray matter. STATISTICAL TESTS: The primary analysis used an analysis of covariance to investigate sCoV and cognitive group (CU, MCI, AD) associations. We also evaluated the repeatability of sCoV by calculating within-subject agreement in a subgroup of CU participants with a repeat ASL. The secondary analyses assessed ventricular volume, amyloid burden, glucose uptake, ASL-sCoV, and regional CBF as cognitive group classifiers using logistic regression models and receiver operating characteristic analyses. RESULTS: We found that global and temporal lobe sCoV differed between cognitive groups (P = 0.006). Post-hoc tests showed that temporal lobe sCoV was lower in CU than in MCI (Cohen's d = -0.36) or AD (Cohen's d = -1.36). We found that sCoV was moderately repeatable in CU (intersession intraclass correlation = 0.50; intrasession intraclass correlation = 0.88). Subsequent logistic regression analyses revealed that temporal lobe sCoV and amyloid uptake classified CU vs. MCI (P < 0.01; accuracy = 78%). Temporal lobe sCoV, amyloid, and glucose uptake classified CU vs. AD (P < 0.01; accuracy = 97%); glucose uptake significantly classified MCI vs. AD (P < 0.01; accuracy = 85%). DATA CONCLUSION: We showed that ASL spatial heterogeneity can be used alongside AD neuroimaging markers to distinguish cognitive groups, in particular, cognitively unimpaired from cognitively impaired individuals. LEVEL OF EVIDENCE: 2 Technical Efficacy: Stage 3 J. Magn. Reson. Imaging 2019;50:858-867.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,536
Score d'incertitude au seuil0,350

Scores Codex et Gemma par catégorie

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

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 Opus0,013
Tête enseignante GPT0,285
Écart entre enseignants0,272 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations20
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Magnetic Resonance ImagingMême sujetAdvanced MRI Techniques and ApplicationsTravaux en français237 207