Classification and Visualization of Chemotherapy-Induced Cognitive Impairment in Volumetric Convolutional Neural Networks
Notice bibliographique
Résumé
Breast cancer is the most common female cancer worldwide, and breast cancer accounts for 30% of female cancers. Of all the treatment modalities, breast cancer survivors who have undergone chemotherapy might complain about cognitive impairment during and after cancer treatment. This phenomenon, chemo-brain, is used to describe the alterations in cognitive functions after receiving systemic chemotherapy. Few reports detect the chemotherapy-induced cognitive impairment (CICI) by performing functional MRI (fMRI) and a deep learning analysis. In this study, we recruited 55 postchemotherapy breast cancer survivors (C+ group) and 65 healthy controls (HC group) and extracted mean fractional amplitudes of low-frequency fluctuations (mfALFF) from resting-state fMRI as our input feature. Two state-of-the-art deep learning architectures, ResNet-50 and DenseNet-121, were transformed to 3D, embedded with squeeze and excitation (SE) blocks and then trained to differentiate cerebral alterations based on the effect of chemotherapy. An integrated gradient was applied to visualize the pattern that was recognized by our model. The average performance of SE-ResNet-50 models was an accuracy of 80%, precision of 78% and recall of 70%; on the other hand, the SE-DenseNet-121 model reached identical results with an average of 80% accuracy, 86% precision and 80% recall. The regions with the greatest contributions highlighted by the integrated gradients algorithm for differentiating chemo-brain were the frontal, temporal, parietal and occipital lobe. These regions were consistent with other studies and strongly associated with the default mode and dorsal attention networks. We constructed two volumetric state-of-the-art models and visualized the patterns that are critical for identifying chemo-brains from normal brains. We hope that these results will be helpful in clinically tracking chemo-brain in the future.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».