VentRa. Validation study of the ventricle feature estimation and classification tool to differentiate behavioral variant frontotemporal dementia from psychiatric disorders and other degenerative diseases
Notice bibliographique
Résumé
ABSTRACT Introduction Lateral ventricles are reliable and sensitive indicators of brain atrophy and disease progression in behavioral variant frontotemporal dementia (bvFTD). Here we validate our previously developed automated tool using ventricular features (known as VentRa) for the classification of bvFTD vs a mixed cohort of neurodegenerative, vascular, and psychiatric disorders from a clinically representative independent dataset. Methods Lateral ventricles were segmented for 1110 subjects - 14 bvFTD, 30 other Frontotemporal Dementia (FTD), 70 Lewy Body Disease (LBD), 898 Alzheimer Disease (AD), 62 Vascular Brain Injury (VBI) and 36 Primary Psychiatric Disorder (PPD) from the publicly accessible National Alzheimer’s Coordinating Center dataset to assess the performance of VentRa. Results Using ventricular features to discriminate bvFTD subjects from PPD, VentRa achieved an accuracy of 84%, 71% sensitivity and 89% specificity. VentRa was able to identify bvFTD from a mixed age-matched cohort (i.e., Other FTD, LBD, AD, VBI and PPD) and to correctly classify other disorders as ‘not compatible with bvFTD’ with a specificity of 83%. The specificity against each of the other individual cohorts were 80% for other FTD, 83% for LBD, 83% for AD and 84% for VBI. Discussion VentRa is a robust and generalizable tool with potential usefulness for improving the diagnostic certainty of bvFTD, particularly for the differential diagnosis with PPD.
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 | 0,010 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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 ».