Structural abnormalities in paediatric moyamoya disease revealed by clinical magnetic resonance imaging, regionally distributed relative signal intensities and volumes
Notice bibliographique
Résumé
Moyamoya disease (MMD) is a rare, progressive cerebrovascular disorder, with an unknown aetiology and pathogenesis. It is characterized by steno-occlusive changes at the terminal portion of the internal carotid artery (ICA), which is accompanied by variable development of the basal collaterals called moyamoya vessels. In this study, we investigate the potential for structural T1 magnetic resonance imaging (MRI) to help characterize MMD clinically, with the help of regionally distributed relative signal intensities (RRSIs) and volumes (RRVs). These RRSIs and RRVs provide the ability to characterize aspects of regional brain development and represent an extension to existing automated biomarker extraction technologies. This study included 269 MRI examinations from MMD patients and 993 MRI examinations from neurotypical controls, with regional biomarkers compared between groups with the area under the receiver operating characteristic curve (AUC). Results demonstrate abnormal presentation of RRSIs and RRVs in the insula (15- to 20-year old cohort, left AUC: 0.74, right AUC: 0.71) and the lateral orbitofrontal region (5- to 10-year old cohort, left AUC: 0.67; 15-20 year cohort, left AUC: 0.62, right AUC: 0.65). Results indicate that RRSIs and RRVs may help in characterizing brain development, assist in the assessment of the presentation of the brains of children with MMD and help overcome standardization challenges in multiprotocol clinical MRI. Further investigation of the potential for RRSIs and RRVs in clinical imaging is warranted and supported through the release of open-source software.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».