Synthetic FDG‐PET hypometabolism sensitivity validation in AD
Notice bibliographique
Résumé
Abstract Background The availability of 18‐F fluorodeoxyglucose positron emission tomography (FDG‐PET) is not universal. We hypothesized that synthetically generated FDG‐PET images would be as sensitive to detecting the pattern of hypometabolism associated with AD as real images. Method We developed a deep learning‐based method to produce synthetic FDG‐PET images from 1,828 T1‐weighted MRI / real FDG‐PET image pairs from the ADNI dataset, and validated the technique on a further 284 image pairs. The technique generated synthetic FDG‐PET images which were then processed to compare Standardized Uptake Value Ratio (SUVR) with the pons as reference in 81 brain regions as defined in the Desikan‐Killiany‐Tourville and subcortical default FreeSurfer atlases. Result We tested the differences between synthetic and real FDG‐PET on 745 image pairs (205 controls, 365 mild cognitive impairment (MCI) and 175 AD)(Table 1). Correlations in SUVR values between synthetic and real FDG‐PET ranged between weak (r = 0.13) to strong (r = 0.63), with moderate results in key regions for AD (bilateral precuneus, r = 0.43; bilateral posterior cingulate, r = 0.37). There were significant between‐group (control vs MCI and control vs AD) differences in SUVR values for all regions between synthetic and real PET‐FDG (Figure 1) with synthetic FDG‐PET having lower values. Inter‐group effect sizes were not significantly different in the majority of brain regions (76/81)(Figure 2), with similar effect sizes in the right precuneus (synthetic: ‐0.98 vs original: ‐1.37), left (‐0.77 vs ‐1.0459) and right (‐0.80 vs ‐1.04) posterior cingulate, but different for the left precuneus (‐0.91 vs ‐1.33). Conclusion Synthetic images would increase patients’ accessibility to a meaningful modality for disease assessment while decreasing their exposure to radiation and resources in the health care system.
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 | 0,003 | 0,008 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».