Improving Sensitivity of Arterial Spin Labeling Perfusion <scp>MRI</scp> in Alzheimer's Disease Using Transfer Learning of Deep Learning‐Based <scp>ASL</scp> Denoising
Notice bibliographique
Résumé
BACKGROUND: Arterial spin labeling (ASL) perfusion magnetic resonance imaging (MRI) denoising through deep learning (DL) often faces insufficient training data from patients. One solution is to train DL models using healthy subjects' data which are more widely available and transfer them to patients' data. PURPOSE: To evaluate the transferability of a DL-based ASL MRI denoising method (DLASL). STUDY TYPE: Retrospective. SUBJECTS: Four hundred and twenty-eight subjects (189 females) from three cohorts. FIELD STRENGTH/SEQUENCE: 3 T two-dimensional (2D) echo-planar imaging (EPI)-based pseudo-continuous ASL (PCASL) and 2D EPI-based pulsed ASL (PASL) sequences. ASSESSMENT: DLASL was trained using young healthy adults' PCASL data (Dataset 1: 250/30 subjects as training/validation set) and was directly transferred (DTF) to PCASL data from Dataset 2 (45 subjects test set) of normal controls (NC) and Alzheimer's disease (AD) groups. DLASL was fine-tuned (DLASLFT) and tested on PASL data from Dataset 3 (103 subjects test set) of NC and AD. An existing non-DL method (NonDL) was used for comparison. Cerebral blood flow (CBF) images from ASL MRI were compared between NC and AD to assess characteristic hypoperfusion (lower CBF) patterns in AD. CBF image quality and CBF map sensitivity for detecting hypoperfusion using peak t-value and suprathreshold cluster size are outcome measures. STATISTICAL TESTS: Paired t-test, two-sample t-test, one-way analysis of variance, and Tukey honestly significant difference, and linear mixed-effects models were used. P < 0.05 was considered statistically significant. RESULTS: Mean contrast-to-noise ratio (CNR) of Dataset 2 showed that DTF outperformed NonDL (AD: 3.38 vs. 2.64, NC: 3.80 vs. 3.36). On Dataset 3, DLASLFT outperformed NonDL measured by mean CNR (AD: 2.45 vs. 1.87, NC: 2.54 vs. 2.17) and mean radiologic score (2.86 vs. 2.44). Image quality improvement was significant on both test sets. DTF and DLASLFT improved sensitivity for detecting AD-related hypoperfusion patterns compared with NonDL. DATA CONCLUSION: We demonstrated the DLASL's transferability across different ASL sequences and different populations. LEVEL OF EVIDENCE: 3 TECHNICAL EFFICACY: Stage 2.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,001 |
| 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 ».