Cortical Thickness Estimation in Individuals With Cerebral Small Vessel Disease, Focal Atrophy, and Chronic Stroke Lesions
Notice bibliographique
Résumé
Background Regional changes to cortical thickness in individuals with neurodegenerative and cerebrovascular diseases (CVD) can be estimated using specialized neuroimaging software. However, the presence of cerebral small vessel disease, focal atrophy, and cortico-subcortical stroke lesions, pose significant challenges that increase the likelihood of misclassification errors and segmentation failures. Purpose The main goal of this study was to examine a correction procedure developed for enhancing FreeSurfer’s (FS’s) cortical thickness estimation tool, particularly when applied to the most challenging MRI obtained from participants with chronic stroke and CVD, with varying degrees of neurovascular lesions and brain atrophy. Methods In 155 CVD participants enrolled in the Ontario Neurodegenerative Disease Research Initiative (ONDRI), FS outputs were compared between a fully automated, unmodified procedure and a corrected procedure that accounted for potential sources of error due to atrophy and neurovascular lesions. Quality control (QC) measures were obtained from both procedures. Association between cortical thickness and global cognitive status as assessed by the Montreal Cognitive Assessment (MoCA) score was also investigated from both procedures. Results Corrected procedures increased “Acceptable” QC ratings from 18 to 76% for the cortical ribbon and from 38 to 92% for tissue segmentation. Corrected procedures reduced “Fail” ratings from 11 to 0% for the cortical ribbon and 62 to 8% for tissue segmentation. FS-based segmentation of T1-weighted white matter hypointensities were significantly greater in the corrected procedure (5.8 mL vs. 15.9 mL, p < 0.001). The unmodified procedure yielded no significant associations with global cognitive status, whereas the corrected procedure yielded positive associations between MoCA total score and clusters of cortical thickness in the left superior parietal ( p = 0.018) and left insula ( p = 0.04) regions. Further analyses with the corrected cortical thickness results and MoCA subscores showed a positive association between left superior parietal cortical thickness and Attention ( p < 0.001). Conclusion These findings suggest that correction procedures which account for brain atrophy and neurovascular lesions can significantly improve FS’s segmentation results and reduce failure rates, thus maximizing power by preventing the loss of our important study participants. Future work will examine relationships between cortical thickness, cerebral small vessel disease, and cognitive dysfunction due to neurodegenerative disease in the ONDRI study.
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 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».