Metabolic and amyloid PET network reorganization in Alzheimer’s disease: differential patterns and partial volume effects
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
Abstract Alzheimer’s disease (AD) is a neurodegenerative disorder, considered a disconnection syndrome with regional molecular pattern abnormalities quantifiable by the aid of PET imaging. Solutions for accurate quantification of network dysfunction are scarce. We evaluate the extent to which PET molecular markers reflect quantifiable network metrics derived through the graph theory framework and how partial volume effects (PVE)-correction (PVEc) affects these PET-derived metrics 75 AD patients and 126 cognitively normal older subjects (CN). Therefore our goal is twofold: 1) to evaluate the differential patterns of [ 18 F]FDG- and [ 18 F]AV45-PET data to depict AD pathology; and ii) to analyse the effects of PVEc on global uptake measures of [ 18 F]FDG- and [ 18 F]AV45-PET data and their derived covariance network reconstructions for differentiating between patients and normal older subjects. Network organization patterns were assessed using graph theory in terms of “degree”, “modularity”, and “efficiency”. PVEc evidenced effects on global uptake measures that are specific to either [ 18 F]FDG- or [ 18 F]AV45-PET, leading to increased statistical differences between the groups. PVEc was further shown to influence the topological characterization of PET-derived covariance brain networks, leading to an optimised characterization of network efficiency and modularisation. Partial-volume effects correction improves the interpretability of PET data in AD and leads to optimised characterization of network properties for organisation or disconnection.
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 | 0,001 |
| 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 découle