Automatic classification of cognitively normal, mild cognitive impairment and Alzheimer's disease using structural MRI analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Early detection of dementia for clinical diagnosis is challenging due to high subjectivity and individual variability in cognitive assessments, as well as the evaluation of protein biomarkers, which are mostly used for staging of Alzheimer's disease. Currently, although there is no effective treatment for Alzheimer's disease, early detection of dementia through magnetic resonance imaging analysis may assist in developing preventive measures to slow disease progression. In this paper, we developed an automated machine learning method for classifying cognitively normal aging, early mild cognitive impairment, late mild cognitive impairment, and Alzheimer's disease individuals. In this study, a total of 1167 whole-brain magnetic resonance imaging scans of individuals who are cognitively normal aging controls, early mild cognitive impairment, late mild cognitive impairment, and patients with probable Alzheimer's disease were obtained from the Alzheimer's Disease Neuroimaging Initiative database. We measured regional cortical thickness of both left and right hemispheres (68 features) using FreeSurfer analysis for each individual, and utilized these 68 features for model building. We further tested scans of individuals to classify them into four groups using various machine learning methods. We found that the cortical thickness feature, based on the non-linear support vector machine classifier with radial basis function, showed the highest specificity (0.77), sensitivity (0.75), F-score (0.72), Matthew's correlation coefficient (0.71), Kappa-statistic (0.69), receiver operating characteristic area under the curve (0.76), and an overall accuracy of 75% in classifying all four groups using ten-fold cross-validation with respect to the clinical scale. In addition, we also predicted the features for classifying all four groups using the support vector regression algorithm. The non-linear support vector machine using a radial basis function kernel showed good accuracy in classifying different stages of dementia. Thus, machine learning methods are useful for radiological imaging tasks such as diagnosis, prognosis, risk assessment, and early detection.
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.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 découle