Odense-Oxford PET Image Analysis (OPETIA): An FSL-based toolbox for multimodal neuroimaging
Notice bibliographique
Résumé
Advanced analysis of MRI and PET images provides quantitative and accurate information about the brain structure and function, allowing differential diagnosis, prognosis, and personalized treatment. Most clinical software lack accurate quantification. Here we developed a user-friendly multimodal neuroimage analysis toolbox, named Odense-Oxford PET Image Analysis (OPETIA), based on Functional Magnetic Resonance Imaging of the Brain Software Library (FSL) and Python programming language. FSL is a strong toolbox library for MRI analysis but has not been widely used for PET image analysis. OPETIA includes a graphical user interface that facilitates automatic multimodal neuroimage analysis. OPETIA can automatically pre-process magnetic resonance and PET images and calculates maximum, mean, and standard deviation of Standardized Uptake Value (SUV) and Standardized Uptake Value Ratio (SUVR) in the volumes of interest (VOI). To assess the efficacy of OPETIA, we analysed a set of static 18 F-fluorodeoxyglucose (FDG) PET and MRIs of healthy subjects and patients with Alzheimer’s disease (AD) from the Alzheimer’s Disease Neuroimaging Initiative (ADNI) dataset using OPETIA and compared the SUVR measurements with those obtained from Statistical Parametric Mapping, version 12 (SPM12). The result of this comparison showed a close association between OPETIA and SPM12 results (p-value < 0.01, r > 0.8). OPETIA measurements were significantly (p-value < 0.01) larger than those of SPM12 in all brain regions (according to the Harvard-Oxford brain atlas), indicating a systematic difference between these tools. The Cronbach’s Alpha values for both tools were > 0.9, indicating a high reproducibility. We compared the group difference (control vs Alzheimer’s disease) obtained from each toolbox using two-sample t-test and found a significantly (p-value < 0.01) larger Cohen’s d values for SUVRs from OPETIA (d=0.22) than SPM12 (d=0.04). We suggest that OPETIA is a user-friendly and robust tool for quantitative analysis of multimodal neuroimaging such as cerebral PET and MR images.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,033 | 0,013 |
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 ».