MRI based radiomics enhances prediction of neurodevelopmental outcome in very preterm neonates
Notice bibliographique
Résumé
To predict adverse neurodevelopmental outcome of very preterm neonates. A total of 166 preterm neonates born between 24-32 weeks' gestation underwent brain MRI early in life. Radiomics features were extracted from T1- and T2- weighted images. Motor, cognitive, and language outcomes were assessed at a corrected age of 18 and 33 months and 4.5 years. Elastic Net was implemented to select the clinical and radiomic features that best predicted outcome. The area under the receiver operating characteristic (AUROC) curve was used to determine the predictive ability of each feature set. Clinical variables predicted cognitive outcome at 18 months with AUROC 0.76 and motor outcome at 4.5 years with AUROC 0.78. T1-radiomics features showed better prediction than T2-radiomics on the total motor outcome at 18 months and gross motor outcome at 33 months (AUROC: 0.81 vs 0.66 and 0.77 vs 0.7). T2-radiomics features were superior in two 4.5-year motor outcomes (AUROC: 0.78 vs 0.64 and 0.8 vs 0.57). Combining clinical parameters and radiomics features improved model performance in motor outcome at 4.5 years (AUROC: 0.84 vs 0.8). Radiomic features outperformed clinical variables for the prediction of adverse motor outcomes. Adding clinical variables to the radiomics model enhanced predictive performance.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».