MétaCan
Menu
← Retour à la cohorte
Enregistrement W4389393863 · doi:10.1101/2023.12.05.23299222

BrainAGE Estimation: Influence of Field Strength, Voxel Size, Race, and Ethnicity

2023· preprint· en· W4389393863 sur OpenAlexfundno aff
Desarae A. Dempsey, Rachael Deardorff, Yu‐Chien Wu, Meichen Yu, Liana G. Apostolova, Jared R. Brosch, David G. Clark, Martin R. Farlow, Sujuan Gao, Sophia Wang, Andrew J. Saykin, Shannon L. Risacher

Notice bibliographique

RevuemedRxiv · 2023
Typepreprint
Langueen
DomaineMedicine
ThématiqueAdvanced Neuroimaging Techniques and Applications
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Institutes of Health ResearchNational Institutes of HealthGenentechIXICOH. Lundbeck A/SServierPfizerNovartis Pharmaceuticals CorporationBiogenEli Lilly and CompanyBristol-Myers SquibbBioClinicaU.S. Department of DefenseMeso Scale DiagnosticsAlzheimer's Disease Neuroimaging InitiativeEisaiAlzheimer's Association
Mots-clésEthnic groupVoxelNeuroimagingRace (biology)EstimationField (mathematics)Stability (learning theory)StatisticsPsychologyMathematicsComputer scienceArtificial intelligenceBiologyEngineeringMachine learningNeuroscience

Résumé

récupéré en direct d'OpenAlex

The BrainAGE method is used to estimate biological brain age using structural neuroimaging. However, the stability of the model across different scan parameters and races/ethnicities has not been thoroughly investigated. Estimated brain age was compared within- and across- MRI field strength and across voxel sizes. Estimated brain age gap (BAG) was compared across demographically matched groups of different self-reported races and ethnicities in ADNI and IMAS cohorts. Longitudinal ComBat was used to correct for potential scanner effects. The brain age method was stable within field strength, but less stable across different field strengths. The method was stable across voxel sizes. There was a significant difference in BAG between races, but not ethnicities. Correction procedures are suggested to eliminate variation across scanner field strength while maintaining accurate brain age estimation. Further studies are warranted to determine the factors contributing to racial differences in BAG.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,032
score de la tête « metaresearch » (Gemma)0,108
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,168

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0320,108
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,066
Tête enseignante GPT0,381
Écart entre enseignants0,315 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemedRxiv→Même sujetAdvanced Neuroimaging Techniques and Applications→Travaux en français237 207→