Classification of Early and Late Mild Cognitive Impairment Using Functional Brain Network of Resting-State fMRI
Notice bibliographique
Résumé
Using the Pearson correlation coefficient to constructing functional brain network has been evidenced to be an effective means to diagnose different stages of mild cognitive impairment (MCI) disease. In this study, we investigated the efficacy of a classification framework to distinguish early mild cognitive impairment (EMCI) from late mild cognitive impairment (LMCI) by using the effective features derived from functional brain network of three frequency bands (full-band: 0.01-0.08 Hz; slow-4: 0.027-0.08 Hz; slow-5: 0.01-0.027 Hz) at Rest. Graphic theory was performed to calculate and analyze the relationship between changes in network connectivity. Subsequently, three different algorithms [minimal redundancy maximal relevance (mRMR), sparse linear regression feature selection algorithm based on stationary selection (SS-LR), and Fisher Score (FS)] were applied to select the features of network attributes, respectively. Finally, we used the support vector machine (SVM) with nested cross validation to classify the samples into two categories to obtain unbiased results. Our results showed that the global efficiency, the local efficiency, and the average clustering coefficient were significantly higher in the slow-5 band for the LMCI-EMCI comparison, while the characteristic path length was significantly longer under most threshold values. The classification results showed that the features selected by the mRMR algorithm have higher classification performance than those selected by the SS-LR and FS algorithms. The classification results obtained by using mRMR algorithm in slow-5 band are the best, with 83.87% accuracy (ACC), 86.21% sensitivity (SEN), 81.21% specificity (SPE), and the area under receiver operating characteristic curve (AUC) of 0.905. The present results suggest that the method we proposed could effectively help diagnose MCI disease in clinic and predict its conversion to Alzheimer's disease at an early stage.
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 | 0,000 |
| 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 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 ».