Interpretation of basal nuclei in brain dopamine transporter scans using a deep convolutional neural network
Notice bibliographique
Résumé
OBJECTIVE: Functional imaging using the dopamine transporter (DAT) as a biomarker has proven effective in assessing dopaminergic neuron degeneration in the striatum. In assessing the neuron degeneration, visual and semiquantitative methods are used to interpret DAT single-photon emission tomography (SPECT) scans based on striatal to background activity, striatal shape, and symmetry. Visual analysis, however, is subjective and reviewer dependent, whereas semiquantitative methods are operator dependent. Our goal in the current study was to derive results via deep learning to facilitate the clinical diagnosis of Parkinson's disease (PD). METHODS: This retrospective study collected data from 416 patients with clinically uncertain Parkinsonian syndrome who underwent DAT SPECT via 99m Tc-TRODAT-1 ([2-[[2-[[[3-(4-chlorophenyl)-8-methyl-8-azabicyclo[3,2,1]oct-2-yl]methyl](2-mercaptoethyl)amino]ethyl]amino]ethanethiolato (3-)- N2,N2',S2,S2' ]oxo-[1 R -( exo - exo )]). Transfer learning was used to estimate the degree of dopaminergic neuron degeneration in the caudate and putamen for use in classifying images according to stage. Three pretrained models - Xception, InceptionV3, and ResNet101 - were retrained and tested after undergoing transfer learning for the classification of striatum dopaminergic neuron degeneration. RESULTS: Overall, the performance of Xception exceeded that of InceptionV3 and ResNet101. The accuracy, macro F1 score, and kappa value of the proposed caudate classification model were 81.93%, 0.70, and 0.64, respectively. The accuracy, macro F1 score, and kappa value of the proposed putamen classification model were 88.75%, 0.64, and 0.61, respectively. CONCLUSION: The proposed deep convolutional neural network provided a good model by which to interpret DAT SPECT of basal nuclei. We believe that the model could be used as an auxiliary tool to facilitate image interpretation and enhance accuracy in the diagnosis of PD.
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) | 0,001 | 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».