Diagnostic approach with Z-score mapping to reduce artifacts caused by cerebral atrophy in regional CBF assessment of mild cognitive impairment (MCI) and Alzheimer's disease by [99mTc]-ECD and SPECT
Notice bibliographique
Résumé
PURPOSE: The aim of this study was to develop a novel approach that enhanced diagnostic accuracy in the diagnosis of mild cognitive impairment (MCI) and early Alzheimer's disease (AD) using cerebral perfusion SPECT by minimizing artifacts caused by cerebral atrophy. MATERIALS AND METHODS: Tc]-ECD and SPECT studies were performed on 15 cognitively normal patients, 40 patients with MCI, and 16 patients with AD. SPECT images were compared using SPM. The atrophy correction method was incorporated to reduce artifacts through the MRI masking procedure. Regional Z-score, percent extent, and atrophy correction rate were obtained and compared. The Z-score mapping program was structured as a single package that ran semi-automatically. RESULTS: The method significantly reduced regional Z-score in most regions, leading to improved estimates. The mean atrophy correction rate ranged from 10.4 to 12.0%. In MCI and AD, the convexities of the frontal and parietal lobes and the posterior medial cerebrum were particularly sensitive to cerebral atrophy, and the Z-scores were overestimated, whereas the posterior cingulate cortex and the cerebellum were less sensitive. The diagnostic accuracy for MCI increased from 67 to 69% and for AD from 78 to 82%. CONCLUSION: The proposed approach provided more precise Z-scores with less over- or underestimation, artifacts, and improved diagnostic accuracy, being recommended for clinical studies.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».