Chaos analysis of the cortical boundary for the recognition of psychosis
Notice bibliographique
Résumé
BACKGROUND: Structural MRI studies in people with first-episode psychosis (FEP) and those in the clinical high-risk (CHR) state have consistently shown volumetric abnormalities that depict changes in the structural complexity of the cortical boundary. The aim of the present study was to employ chaos analysis in the identification of people with psychosis based on the structural complexity of the cortical boundary and subcortical areas. METHODS: We performed chaos analysis of the grey matter distribution on structural MRIs. First, the outer boundary points for each slice in the axial, coronal and sagittal view were calculated for grey matter maps. Next, the distance of each boundary point from the centre of mass in the grey matter was calculated and stored as spatial series, which was further analyzed by extracting the Largest Lyapunov Exponent (lambda [λ]), a feature depicting the structural complexity of the cortical boundary. RESULTS: Structural MRIs were acquired from 77 FEP, 73 CHR and 44 healthy controls. We compared λ brain maps between groups, which resulted in statistically significant differences in all comparisons. By matching the λ values extracted in axial view with the Morlet wavelet, differences on the surface relief are observed between groups. LIMITATIONS: Parameters were selected after experimentation on the examined sample. Investigation of the effectiveness of the method in a larger data set is needed. CONCLUSION: The proposed framework using spatial series verifies diagnosis-relevant features and may contribute to the identification of structural biomarkers for psychosis.
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 | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».