The Value of Diffusion Kurtosis Imaging In Detecting Delayed Brain Development of Premature Infants
Notice bibliographique
Résumé
Abstract Objective Preterm infants are at high risk of adverse neurodevelopmental outcome. Our aim is to explore the value of diffusion kurtosis imaging (DKI) in diagnosing brain developmental disorders in premature infants.Materials and Methods A total of 52 subjects were included in this study, including 26 premature infants as the preterm group, and 26 full-term infants as the control group. Routine magnetic resonance imaging and DKI examination were performed. Mean kurtosis (MK), radial kurtosis (RK), fractional anisotropy (FA), mean diffusivity (MD) values were measured in the brain regions including posterior limbs of the internal capsule (PLIC); anterior limb of internal capsule (ALIC); parietal white matter (PWM); frontal white matter (FWM); thalamus (TH); caudate nucleus (CN); genu of the corpus callosum (GCC). The X2, t test, Spearman’s correlation analysis and receiver operating characteristic curve (ROC)were used for data analyses.Results In the premature infant group, the MK and RK values of PLIA, ALIC, and PWM were lower than those in the control group (P<0.05). The FA values of PWM, FWM and TH were also lower than those of the control group (P<0.05). The AUCs of MK in PLIC and ALIC, MD in PWM, and FA in FWM were 0.813, 0.802, 0.842 and 0.867 (P<0.05). In thalamus and caudate nucleus, the correlations between MK, RK values and PMA were higher than those between FA, MD values and PMA.Conclusions DKI can be used as an effective tool in detecting brain developmental disorders in premature infants.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».