Zero Echo Time MRAC on FDG-PET/MR Maintains Diagnostic Accuracy for Alzheimer’s Disease; A Simulation Study Combining ADNI-Data
Notice bibliographique
Résumé
Aim Attenuation correction using zero-echo time (ZTE) – magnetic resonance imaging (MRI) (ZTE-MRAC) has become one of the standard methods for brain-positron emission tomography (PET) on commercial PET/MR scanners. Although the accuracy of the net tracer-uptake quantification based on ZTE-MRAC has been validated, that of the diagnosis for dementia has not yet been clarified, especially in terms of automated statistical analysis. The aim of this study was to clarify the impact of ZTE-MRAC on the diagnosis of Alzheimer’s disease (AD) by performing simulation study. Methods We recruited 27 subjects, who underwent both PET/computed tomography (CT) and PET/MR (GE SIGNA) examinations. Additionally, we extracted 107 subjects from the Alzheimer Disease Neuroimaging Initiative (ADNI) dataset. From the PET raw data acquired on PET/MR, three FDG-PET series were generated, using two vendor-provided MRAC methods (ZTE and Atlas) and CT-based AC. Following spatial normalization to Montreal Neurological Institute (MNI) space, we calculated each patient’s specific error maps, which correspond to the difference between the PET image corrected using the CTAC method and the PET images corrected using the MRAC methods. To simulate PET maps as if ADNI data had been corrected using MRAC methods, we multiplied each of these 27 error maps with each of the 107 ADNI cases in MNI space. To evaluate the probability of AD in each resulting image, we calculated a cumulative t-value using a fully automated method which had been validated not only in the original ADNI dataset but several multi-center studies. In the method, PET score = 1 is the 95% prediction limit of AD. PET score and diagnostic accuracy for the discrimination of AD were evaluated in simulated images using the original ADNI dataset as reference. Results Positron emission tomography score was slightly underestimated both in ZTE and Atlas group compared with reference CTAC (−0.0796 ± 0.0938 vs. −0.0784 ± 0.1724). The absolute error of PET score was lower in ZTE than Atlas group (0.098 ± 0.075 vs. 0.145 ± 0.122, p < 0.001). A higher correlation to the original PET score was observed in ZTE vs. Atlas group (R2: 0.982 vs. 0.961). The accuracy for the discrimination of AD patients from normal control was maintained in ZTE and Atlas compared to CTAC (ZTE vs. Atlas. vs. original; 82.5% vs. 82.1% vs. 83.2% (CI 81.8–84.5%), respectively). Conclusion For FDG-PET images on PET/MR, attenuation correction using ZTE-MRI had superior accuracy to an atlas-based method in classification for dementia. ZTE maintains the diagnostic accuracy for AD.
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 | 0,005 | 0,013 |
| 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 | 0,001 |
| 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 ».