Distinct characteristics and severity of brain magnetic resonance imaging lesions in women and men with multiple sclerosis assessed using verified texture analysis measures
Notice bibliographique
Résumé
Background and goal: characterization of brain lesion types in multiple sclerosis (MS) has been an ongoing challenge. Based on verified texture analysis measures from clinical magnetic resonance imaging (MRI), this study aimed to develop a method to identify two extremes of brain MS lesions that were approximately severely demyelinated (sDEM) and highly remyelinated (hREM), and compare them in terms of common clinical variables. Method: Texture analysis used an optimized gray-level co-occurrence matrix (GLCM) method based on FLAIR MRI from 200 relapsing-remitting MS participants. Two top-performing metrics were calculated: texture contrast and dissimilarity. Lesion identification applied a percentile approach according to texture values calculated: ≤ 25 percentile for hREM and ≥75 percentile for sDEM. Results: The sDEM had a greater total normalized volume yet smaller average size, and worse MRI texture than hREM. In lesion distribution mapping, the two lesion types appeared to overlap largely in location and were present the most in the corpus callosum and periventricular regions. Further, in sDEM, the normalized volume was greater and in hREM, the average size was smaller in men than women. There were no other significant results in clinical variable-associated analyses. Conclusion: Percentile statistics of competitive MRI texture measures may be a promising method for probing select types of brain MS lesion pathology. Associated findings can provide another useful dimension for improved measurement and monitoring of disease activity in MS. The different characteristics of sDEM and hREM between men and women likely adds new information to the literature, deserving further confirmation.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».