Multivariate Analyses with Two-Step Dimension Reduction for an Association Study Between 11C-Pittsburgh Compound B and Magnetic Resonance Imaging in Alzheimer’s Disease
Notice bibliographique
Résumé
The neuropathological diagnosis of Alzheimer’s disease (AD) relies on amyloid beta (Aβ) deposition in brain tissues. To study the relationship between Aβ deposition and brain structure, as determined using 11C-Pittsburgh compound B (PiB) and magnetic resonance imaging (MRI), respectively, we developed a regression model with PiB and MRI data as the predictor and response variables, respectively, and proposed a regression method for studying the association between them based on a supervised sparse multivariate analysis with dimension reduction based on a composite paired basis function. By applying this method to imaging data of 61 patients with AD (age: 55–85), the first component showed the strongest correlation with the composite score, owing to the supervised feature. The spatial pattern included the hippocampal and parahippocampal regions for MRI. The peak value was observed in the posterior cingulate and precuneus for PiB. The differences in PiB scores among the diagnosis groups 12 months after PiB imaging were significant between the normal and AD groups (p = 0.0284), but not between the normal and mild cognitive impairment (MCI) groups or the MCI and AD groups (p = 0.3508). Our method may facilitate the development of a dementia biomarker from brain imaging data. Scoring imaging data allows for visualization and the application of traditional analysis, facilitating clinical analysis for better interpretation of results.
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 | 0,000 | 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 ».