Identifying psychosis spectrum youth using support vector machines and cerebral blood perfusion as measured by arterial spin labeled fMRI
Notice bibliographique
Résumé
Altered cerebral blood flow (CBF), as measured by arterial spin labelling (ASL), has been observed in several psychiatric conditions, but is a generally underutilized MRI technique, especially in the study of psychosis spectrum (PS) symptoms. We aimed to determine group differences in ASL resting state functional connectivity (rsFC) between PS and non-PS youth, and the reliability of a support vector machine (SVM) classifier trained on ASL rsFC features to differentiate PS and non-PS youth, especially compared to blood oxygen level dependent (BOLD) fMRI. 1146 youth aged 8–22 with ASL and BOLD data from the Philadelphia Neurodevelopmental Cohort were analyzed. Widespread ASL hyperconnectivity was found in the left cuneus, precuneus, and dorsolateral prefrontal cortex, and hypoconnectivity was found in the left cingulate cortex and orbitofrontal area (multiple linear regression, FDR corrected). An SVM trained on ASL and BOLD features outperformed either modality alone (AUC BOTH = 0.72 versus AUC ASL = 0.68 and AUC BOLD = 0.67). Classification performance and precision improved when the non-PS group had no psychiatric comorbidities. The relative success of the classifier suggests ASL rsFC changes exist in PS individuals that differ from BOLD rsFC changes, and extends previous findings of CBF dysregulation in PS.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».