Multivariate models of brain volume for identification of children and adolescents with fetal alcohol spectrum disorder
Notice bibliographique
Résumé
Magnetic resonance imaging (MRI) studies of fetal alcohol spectrum disorder (FASD) have shown reductions of brain volume associated with prenatal exposure to alcohol. Previous studies consider regional brain volumes independently but ignore potential relationships across numerous structures. This study aims to (a) identify a multivariate model based on regional brain volume that discriminates children/adolescents with FASD versus healthy controls, and (b) determine if FASD classification performance can be increased by building classification models separately for each sex. Three-dimensional T1-weighted MRI from two independent childhood/adolescent datasets were used for training (79 FASD, aged 5.7-18.9 years, 35 males; 81 controls, aged 5.8-18.5 years, 32 males) and testing (67 FASD, aged 6.0-19.6 years, 38 males; 74 controls, aged 5.2-19.5 years, 42 males) a classification model. Using FreeSurfer, 87 regional brain volumes were extracted for each subject and were used as input into a support vector machine generating a classification model from the training data. The model performed moderately well on the test data with accuracy 77%, sensitivity 64%, and specificity 88%. Regions that contributed heavily to prediction in this model included temporal lobe and subcortical gray matter. Further investigation of two separate models for males and females showed slightly decreased accuracy compared to the model including all subjects (male accuracy 70%; female accuracy 67%), but had different regional contributions suggesting sex differences. This work demonstrates the potential of multivariate analysis of brain volumes for discriminating children/adolescents with FASD and provides indication of the most affected regions.
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 | 0,000 |
| 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 ».