Classifying mild cognitive impairment from normal cognition: fMRI complexity matches tau PET performance
Notice bibliographique
Résumé
Background: Tau protein accumulation is closely linked to synaptic and neuronal loss in Alzheimer's disease (AD), resulting in progressive cognitive decline. Although tau-PET imaging is a direct biomarker of tau pathology, it is costly, carries radiation risks, and is not widely accessible. Resting-state functional MRI (rs-fMRI) complexity-an entropy-based measure of BOLD signal variation-has been proposed as a non-invasive surrogate biomarker of early neuronal dysfunction associated with tau pathology. Objectives: To determine whether fMRI-based brain complexity (sample entropy and multiscale entropy) can match or exceed tau-PET in classifying cognitively normal (CN) versus cognitively impaired (MCI/AD) individuals. And to investigate and compare the most influential network regions-of-interest (ROIs) for classification between fMRI complexity and tau-PET, thereby identifying key neuroanatomical correlates of AD-related changes. Design: A cross-sectional study employing 3D convolutional neural network (CNN) classification with five-fold cross-validation and leave-one-network-out analysis. Setting: Data from the Alzheimer's Disease Neuroimaging Initiative (ADNI) database. Participants: One hundred forty-seven older adults (age 72.5 ± 7.5 years), including 95 CN, 45 MCI, and 7 AD. Measurements: We created whole-brain complexity maps from rs-fMRI and standardized uptake value ratio (SUVR) maps from tau-PET. Each modality was separately fed into CNN classifiers. Region-based analyses (leave-one-network-out) were performed to identify critical ROIs for classification. Results: fMRI complexity showed classification accuracy comparable to tau-PET yet surpassed it in F1-score (0.64 vs. 0.61) and area under the curve (AUC; 0.73 vs. 0.67). Salience and dorsal attention networks contributed most to fMRI-based classification, and a dorsal attention network contributed most to tau-PET-based classification. Conclusions: fMRI complexity performs similarly to tau-PET in detecting cognitive impairment related to AD and identifies partially distinct critical ROIs, suggesting an alternative, radiation-free imaging biomarker for earlier detection and broader clinical application.
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 ».