Multimodality Brain Imaging Markers in <scp>Progressive Supranuclear Palsy</scp> Subtypes and Parkinson's Disease
Notice bibliographique
Résumé
Abstract Background The new classification of progressive supranuclear palsy (PSP) subtypes necessitates identifying radiological biomarkers to support the clinical diagnosis. Objective The goal was to test if magnetic resonance imaging (MRI) morphometry, diffusion tensor imaging (DTI), susceptibility‐weighted imaging (SWI), or [18F]fluorodeoxyglucose ( 18F FDG)‐positron emission tomography (PET) differentiates PSP subtypes from each other or Parkinson's disease (PD). Methods Midbrain/pons (M/P) area ratio, middle/superior cerebellar peduncle (MCP/SCP) width ratio, magnetic resonance parkinsonism indices (MRPI and MRPI2) and midbrain antero‐posterior (AP) diameter were measured. Region of interest‐based DTI, SWI, and 18F FDG‐PET analyses were performed. Results Four PSP subtypes (n = 85) and 24 PD were studied. MRI morphometry and DTI could differentiate PSP‐Richardson syndrome (PSP‐RS) from PSP‐parkinsonism, PSP‐postural instability, and PD (area under curve >0.7). SWI did not differentiate among PSP subtypes or PD. 18F FDG‐PET distinguished PSP from PD. Conclusions MRI morphometry and DTI differentiated PSP‐RS from the other common PSP subtypes and PD and may be tested as a radiological marker of PSP‐RS in larger 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 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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 ».