K-Means Clustering Algorithm–Based Functional Magnetic Resonance for Evaluation of Regular Hemodialysis on Brain Function of Patients with End-Stage Renal Disease
Notice bibliographique
Résumé
This research was to evaluate the effects of regular hemodialysis (HD) on the brain function of patients with end-stage renal disease (ESRD). Resting-state functional magnetic resonance imaging (rs-fMRI) based on improved k-means clustering algorithm (k-means) was proposed to scan the brains of 30 regular dialysis patients with end-stage renal disease (ESRD) (experimental group) and 30 normal volunteers (control group). The proposed algorithm was compared with the traditional k-means algorithm and mean shift algorithm and applied to the magnetic resonance scan of patients with ESRD on long-term regular HD. The results showed that the neuropsychological cognitive function (NSCF) evaluation result of the test group was much better than that of the control group, and the difference was statistically obvious ( P < 0.05 ). The results of blood biochemistry, Digit Symbol Substitution Test (DSST), and Montreal Cognitive Assessment Scale (MoCA) in the test group showed no statistical difference compared with those in the control group. The running time of the improved k-means algorithm was dramatically shorter than that of traditional k-means algorithm, showing statistical difference ( P < 0.05 ). Comparison among the improved and traditional k-means algorithm and mean shift algorithm suggested that the improved k-means algorithm showed a lower error rate for image segmentation, and the differences were statistically remarkable ( P < 0.05 ). In conclusion, the improved k-means algorithm showed better time efficiency and the lowest error rate in processing rs-fMRI images than the traditional k-means algorithm and mean shift algorithm, and the effects of regular HD on the brains of patients with ESRD were evaluated effectively.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 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 ».