Detecting Beta-Amyloid Plaque via Low Rank Based Orthogonal Projection and Spatial-Spectrum Detector Using High-Resolution Quantitative Susceptibility Mapping for Preclinical Studies
Notice bibliographique
Résumé
Detecting beta-amyloid (A$\beta$) plaques at different stages is crucial for accurate assessment and effective intervention in Alzheimer's disease (AD). In this study, we developed a novel method for reliably identifying A$\beta$ plaques, characterized by sparse negative susceptibility values, in preclinical studies using high-resolution quantitative susceptibility mapping (QSM), named QSM-PLAQUE A$\beta$ Detector. This approach decomposes a high-resolution QSM MRI image into three components: L (representing the background subspace), S (representing the signals subspace), and N (representing the noise). Subsequently, we established an orthogonal subspace based on L to eliminate the background from the sum of L and S. Finally, a plaque detection process was conducted, where A$\beta$ plaques were identified based on the neighbor spectrum (NS) of a voxel being tested rather than just analyzing the voxel itself alone. Experiments demonstrated that the proposed method effectively detects A$\beta$ plaques of varying shapes and intensities across the entire mouse brain. It shows robust performance across histology, high-resolution QSM MRI, and synthesized datasets, without requiring training samples. The QSM-PLAQUE A$\beta$ Detector provides a practical framework for identifying and visualizing A$\beta$ plaques in preclinical studies, offering a new strategy for quantitative assessment of A$\beta$ plaques and may guide the development of advanced techniques for preclinical AD research.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| 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 | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».