Classifying mild cognitive impairment from normal cognition: fMRI complexity matches tau PET performance
Notice bibliographique
Résumé
INTRODUCTION: Cognitive decline in Alzheimer's disease (AD) is closely linked to tau pathology, which leads to loss of synaptic connections and ultimately neurons. While tau positron emission tomography (PET) carries radiation risks, is costly, and often unavailable in clinical settings, brain entropy mapping via resting-state functional magnetic resonance imaging (fMRI) has emerged as a marker of impaired brain function related to tauopathy. METHODS: Using data from the Alzheimer's Disease Neuroimaging Initiative (ADNI) and Estudio de la Enfermedad de Alzheimer en Jalisciences (EEAJ), we investigate the classification performance of fMRI entropy with tau PET in distinguishing cognitively normal (CN) from cognitively impaired (mild cognitive impairment/AD) individuals. Convolutional neural networks, initially trained and evaluated via 5-fold cross-validation on ADNI data, were subsequently tested on an independent external cohort (EEAJ) using an ensemble approach. RESULTS: The fMRI entropy classifier matched the tau PET model in accuracy and outperformed it in F1 score (0.64 vs. 0.61) and area under the curve (AUC; 0.73 vs. 0.67). On the independent external validation dataset (EEAJ), fMRI sample entropy showed a comparable F1 score (0.88) to tau PET (0.88) and achieved a notably higher AUC (0.94 vs. 0.92). DISCUSSION: Our findings suggest that fMRI entropy could be a non-invasive imaging marker alternative to tau PET for detecting AD-related cognitive impairment. Highlights: Functional magnetic resonance imaging (fMRI) complexity matches tau positron emission tomography (PET) in classifying cognitive impairment.Sample entropy and multiscale entropy were used for fMRI-based Alzheimer's disease (AD) classification.3D convolutional neural networks models achieve up to 84% accuracy using fMRI complexity measures.The dorsal attention network was identified as critical for distinguishing mild cognitive impairment/AD.fMRI complexity offers a non-invasive alternative to tau positron emission tomography imaging.
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 | 0,005 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».