MRI-based brain atrophy and lesion index assessment of whole-brain structural changes during aging
Notice bibliographique
Résumé
Objective To assess the value of brain atrophy and lesion index(BALI), based on magnetic resonance imaging(MRI), in the evaluation of brain aging. Methods 169 healthy older adults were divided into five age groups (40-49, 50-59, 60-69, 70-79, and 80-89 years). MRI scans were evaluated by the 3.0T GE signa and the BALI rating schemes, based on the T1 weighted(T1WI), T2 weighted(T2WI), and T2 weighted fluid attenuated inversion recovery(T2-FLAIR), and T2*weighted gradient-recalled echo(T2*GRE)images were recorded. Results Based on T1WI, T2WI, T2-FLAIR and T2*GRE, total scores of BALI increased with age, and showed significant differences between the five age groups(F=35.35, 42.87, 46.57, and 54.15, respectively; all P=0.000). In addition, BALI scores from each sequence were correlated with age(T1WI: r=0.71; T2WI: r=0.73; T2-FLAIR: r=0.73; T2*GRE: r=0.77; all P<0.01). Furthermore, T2*GRE was most sensitive to microbleeds and T2-FLAIR revealed a greater level of deep white matter(χ2=53.47, P=0.000)and periventricular lesions(χ2=29.93, P=0.000)than other sequences. Conclusions The T1WI, T2WI, T2-FLAIR and T2*GRE, BALI scores can be used to assess whole brain structural changes with aging and provide semi-quantitative indicators for the assessment of brain health. Key words: Magnetic resonance imaging; Brain injuries
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 ».