The impact of atlas-based MR attenuation correction on the diagnosis of FDG-PET/MR for Alzheimer’s diseases— A simulation study combining multi-center data and ADNI-data
Notice bibliographique
Résumé
BACKGROUND: The purpose of this study was to assess the impact of vendor-provided atlas-based MRAC on FDG PET/MR for the evaluation of Alzheimer's disease (AD) by using simulated images. METHODS: We recruited 47 patients, from two institutions, who underwent PET/CT and PET/MR (GE SIGNA) examination for oncological staging. From the PET raw data acquired on PET/MR, two FDG-PET series were generated, using vendor-provided MRAC (atlas-based) and CTAC. The following simulation steps were performed in MNI space: After spatial normalization and smoothing of the PET datasets, we calculated the error map for each patient, PETMRAC/PETCTAC. We multiplied each of these 47 error maps with each of the 203 Alzheimer's Disease Neuroimaging Initiative (ADNI) cases after the identical normalization and smoothing. This resulted in 203*47 = 9541 datasets. To evaluate the probability of AD in each resulting image, a cumulative t-value was calculated automatically using commercially-available software (PMOD PALZ) which has been used in multiple large cohort studies. The diagnostic accuracy for the discrimination of AD and predicting progression from mild cognitive impairment (MCI) to AD were evaluated in simulated images compared with ADNI original images. RESULTS: The accuracy and specificity for the discrimination of AD-patients from normal controls were not substantially impaired, but sensitivity was slightly impaired in 5 out of 47 datasets (original vs. error; 83.2% [CI 75.0%-89.0%], 83.3% [CI 74.2%-89.8%] and 83.1% [CI 75.6%-88.3%] vs. 82.7% [range 80.4-85.0%], 78.5% [range 72.9-83.3%,] and 86.1% [range 81.4-89.8%]). The accuracy, sensitivity and specificity for predicting progression from MCI to AD during 2-year follow-up was not impaired (original vs. error; 62.5% [CI 53.3%-69.3%], 78.8% [CI 65.4%-88.6%] and 54.0% [CI 47.0%-69.1%] vs. 64.8% [range 61.5-66.7%], 75.7% [range 66.7-81.8%,] and 59.0% [range 50.8-63.5%]). The worst 3 error maps show a tendency towards underestimation of PET scores. CONCLUSION: FDG-PET/MR based on atlas-based MR attenuation correction showed similar diagnostic accuracy to the CT-based method for the diagnosis of AD and the prediction of progression of MCI to AD using commercially-available software, although with a minor reduction in sensitivity.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».