Reliability assessment of tissue classification algorithms for multi‐center and multi‐scanner data
Notice bibliographique
Résumé
Abstract Background Gray and white matter volumes are important imaging markers of pathology and disease progression. Such measures are usually estimated from tissue segmentation maps produced by image processing pipelines. However, the reliability of the produced segmentations when using multi‐center and multi‐scanner data remains understudied. Here, we assess the robustness of six publicly available tissue classification pipelines across images acquired from different scanners models and sites. Method Data included 90 T1‐weighted images of a single individual, scanned in 73 sessions across 27 sites (Duchesne et al., 2019). An average T1‐weighted image template was created out of all scans (Fonov et al., 2009). For each algorithm, their respective segmentation masks on this template was used as a silver standard (Figure 1). Dice Kappa similarity scores between these silver standards and individual segmentations and variability in tissue volumes across segmentations were assessed for Atropos (Avants et al., 2011); BISON (Dadar and Collins, 2019); Classify_Clean (Cocosco et al., 2003); FAST5.0 (Zhang et al., 2001); FreeSurfer6.0.0 (Fischl, 2012); and SPM12 (Penny et al., 2011). We also estimated the sample size necessary to detect a significant 1% volume reduction based on the variability of the estimates from each method within and across scanner models (80% power, 2‐tailed significance). Result Across tissue types, BISON had the lowest overall variability in Dice Kappa, followed by SPM12 (Figure 2). For GM, BISON had the highest overall Dice Kappa (0.94±0.01), followed by SPM12 (0.93±0.01) and Atropos (0.92±0.03); while Atropos had the highest overall Dice Kappa for WM (0.94±0.02), followed by BISON (0.93±0.01) and SPM12 (0.93±0.01). BISON had the lowest overall variability in its volumetric estimates (GM:57.60±0.4, WM:34.49±0.4, CSF:7.90±0.3), followed by FreeSurfer (GM: 49.80±0.7, WM: 39.52±0.8, CSF: 10.71±1.2), and SPM12 (GM:57.76±1.3, WM:33.08±1.1, CSF:9.12±0.9, Figure 3). BISON also had the smallest sample size requirement across all scanners and tissue types, followed by FreeSurfer, and SPM12 (Table 1). As expected, the necessary sample sizes decreased when using data from a specific scanner. Conclusion Our comparisons provide a benchmark on the reliability of currently used tissue classification techniques and the amount of variability that can be expected when using large multi‐center and multi‐scanner databases.
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 | 0,074 | 0,189 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».