<scp>Cross‐Scanner</scp> Harmonization of <scp>Neuromelanin‐Sensitive MRI</scp> for Multisite Studies
Notice bibliographique
Résumé
BACKGROUND: Neuromelanin-sensitive magnetic resonance imaging (NM-MRI) is a validated measure of neuromelanin concentration in the substantia nigra-ventral tegmental area (SN-VTA) complex and is a proxy measure of dopaminergic function with potential as a noninvasive biomarker. The development of generalizable biomarkers requires large-scale samples necessitating harmonization approaches to combine data collected across sites. PURPOSE: To develop a method to harmonize NM-MRI across scanners and sites. STUDY TYPE: Prospective. POPULATION: A total of 128 healthy subjects (18-73 years old; 45% female) from three sites and five MRI scanners. FIELD STRENGTH/SEQUENCE: 3.0 T; NM-MRI two-dimensional gradient-recalled echo with magnetization-transfer pulse and three-dimensional T1-weighted images. ASSESSMENT: NM-MRI contrast (contrast-to-noise ratio [CNR]) maps were calculated and CNR values within the SN-VTA (defined previously by manual tracing on a standardized NM-MRI template) were determined before harmonization (raw CNR) and after ComBat harmonization (harmonized CNR). Scanner differences were assessed by calculating the classification accuracy of a support vector machine (SVM). To assess the effect of harmonization on biological variability, support vector regression (SVR) was used to predict age and the difference in goodness-of-fit (Δr) was calculated as the correlation (between actual and predicted ages) for the harmonized CNR minus the correlation for the raw CNR. STATISTICAL TESTS: Permutation tests were used to determine if SVM classification accuracy was above chance level and if SVR Δr was significant. A P-value <0.05 was considered significant. RESULTS: In the raw CNR, SVM MRI scanner classification was above chance level (accuracy = 86.5%). In the harmonized CNR, the accuracy of the SVM was at chance level (accuracy = 29.5%; P = 0.8542). There was no significant difference in age prediction using the raw or harmonized CNR (Δr = -0.06; P = 0.7304). DATA CONCLUSION: ComBat harmonization removes differences in SN-VTA CNR across scanners while preserving biologically meaningful variability associated with age. LEVEL OF EVIDENCE: 2 TECHNICAL EFFICACY: 1.
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 | 0,014 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».