Automated classification of cerebral arteries and veins in the neonate using ultrafast doppler spectrogram
Notice bibliographique
Résumé
Abstract Objective. Cerebral arterial and venous flow (A/V) classification is a key parameter for understanding dynamic changes in neonatal brain perfusion. Currently, transfontanellar ultrasound Doppler imaging is the reference clinical technique able to discriminate between A/V using vascular indices such as resistivity index (RI) or pulsatility index (PI). However, under conditions of slow arterial and venular flow, small signal fluctuations can lead to potential misclassifications of vessels. Recently, ultrafast ultrasound imaging has paved the way for better sensitivity and spatial resolution. Here, we show that A/V classification can be performed robustly using ultrafast Doppler spectrogram. Approach. The overall classification steps are as follows: for any pixel within a vessel, a normalized Doppler spectrogram (NDS) is computed that allows for normalized correlation analysis with ground-truth signals that were established semi-automatically based on anatomical/physiological references. Furthermore, A/V classification is performed by computing Pearson correlation coefficient between NDS in ground-truth domains and the individual pixel’s NDS inside vessels and finding an optimal threshold. Main Results. When applied to human newborns ( n = 40), the overall accuracy, sensitivity, and specificity were found to be 88.5% ± 6.7%, 88.5% ± 6.5%, and 87.0% ± 8.8% respectively. We also examined strategies to fully automate this process, leading to a moderate decrease of 1%–3% in the same metrics. Additionally, when compared to the main clinical metrics such as RI, and PI, the receiver operating characteristic curves exhibited higher areas under the curve; on average by +36% ( p < 0.0001) in the full imaging sector, +35% ( p = 0.0116) in the cortical regions, +53% ( p < 0.0001) in the basal ganglia, +28% ( p = 0.0051) in the cingulate gyrus, and +35% ( p < 0.0001) in the remaining brain structures. Significance: Our findings suggest that the proposed NDS-based approach can distinguish between A/V when studying cerebral perfusion in neonates.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 ».