Subregional Biomarkers in FDG PET for Alzheimer’s Diagnosis and Staging: An Interpretable and Explainable model
Notice bibliographique
Résumé
Abstract Objective To investigate the radiomics features of the hippocampus and the amygdala subregions in FDG-PET images that can best differentiate Mild Cognitive Impairment (MCI), Alzheimer’s Disease (AD), and healthy patients. Methods Baseline FDG-PET data from 555 participants in the ADNI dataset were analyzed, comprising 189 cognitively normal (CN) individuals, 201 with MCI, and 165 with AD. The hippocampus and amygdala were segmented based on the DKT-Atlas, with additional subdivisions guided by probabilistic atlases from Freesurfer. Then radiomic features (n=120) were extracted from 38 hippocampal subregions and 18 amygdala nuclei using PyRadiomics. Various feature selection techniques, including ANOVA, PCA, Chi-square, and LASSO, were applied alongside nine machine learning classifiers. Results The Multi-Layer Perceptron (MLP) model combined with LASSO demonstrated excellent classification performance: ROC AUC of 0.957 for CN vs. AD, ROC AUC of 0.867 for MCI vs. AD, and ROC AUC of 0.782 for CN vs. MCI. Key regions, including the accessory basal nucleus, presubiculum head, and CA4 head, were identified as critical biomarkers. Features including GLRLM (Long Run Emphasis) and Small Dependence Emphasis (GLDM) showed strong diagnostic potential, reflecting subtle metabolic and microstructural changes often preceding anatomical alterations. Conclusion Specific hippocampal and amygdala subregions and their four radiomic features were found to have a significant role in the early diagnosis of AD, its staging, and its severity assessment by capturing subtle shifts in metabolic patterns. Furthermore, these features offer potential insights into the disease’s underlying mechanisms and model interpretability.
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 | 0,002 | 0,003 |
| 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 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».