The Effect of Segmentation Method on Medial Temporal Lobe Subregion Volumes in Aging
Notice bibliographique
Résumé
ABSTRACT Early stages of Alzheimer's disease (AD) are associated with volume reductions in specific subregions of the medial temporal lobe (MTL). Using a manual segmentation method—the Olsen–Amaral–Palombo (OAP) protocol—previous work in healthy older adults showed that reductions in grey matter volumes in MTL subregions were associated with lower scores on the Montreal Cognitive Assessment (MoCA), suggesting atrophy may occur prior to diagnosis of mild cognitive impairment, a condition that often progresses to AD. However, current “gold standard” manual segmentation methods are labour intensive and time consuming. Here, we examined the utility of Automatic Segmentation of Hippocampal Subfields (ASHS) to detect volumetric differences in MTL subregions of healthy older adults who varied in cognitive status as determined by the MoCA. We trained ASHS on the OAP protocol to create the ASHS‐OAP atlas and then examined how well automated segmentation replicated manual segmentation. Volumetric measures obtained from the ASHS‐OAP atlas were also contrasted against those from the ASHS‐PMC atlas, a widely used atlas provided by the ASHS team. The pattern of volumetric results was similar between the ASHS‐OAP atlas and manual segmentation for anterolateral entorhinal cortex and perirhinal cortex, suggesting that ASHS‐OAP is a viable alternative to current manual segmentation methods for detecting group differences based on cognitive status. Although ASHS‐OAP and ASHS‐PMC produced varying volumes for most regions of interest, they both identified early signs of neurodegeneration in CA 2 /CA 3 /DG and identified marginal differences in entorhinal cortex. Our findings highlight the utility of automated segmentation methods but still underscore the need for a unified and harmonized MTL segmentation atlas.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».