PELICAN: a Longitudinal Image Processing Pipeline for Analyzing Structural Magnetic Resonance Images in Aging and Neurodegenerative Disease Populations
Notice bibliographique
Résumé
Abstract Structural magnetic resonance imaging (MRI) allows for accurate non-invasive assessment of the brain’s structure and its longitudinal changes. Availability of large scale longitudinal MRI datasets enables us to probe brain changes in health and disease, and derive longitudinal trajectories of brain morphometry based measures to estimate brain atrophy and other disease-related abnormalities. In contrast to their cross-sectional counterparts, image processing pipelines that have been designed for longitudinal data can reduce noise in the derived measurements by disentangling the within and between subject variabilities, improving the sensitivity of the downstream models in detecting more subtle longitudinal changes. Here we present PELICAN, our open source multi-contrast longitudinal image processing pipeline, that has been designed and extensively validated for use in longitudinal settings and populations with neurodegenerative disorders. PELICAN can use population specific average templates as intermediate targets to derive accurate nonlinear registrations for cases with substantial levels of atrophy, which commonly used pipelines struggle to process. We evaluated PELICAN’s performance across over 34,000 MRIs from multiple aging and neurodegenerative disorder cohorts, and compared its reliability and failure rates against FreeSurfer as a widely used image processing tool, showing superior performance of PELICAN compared to FreeSurfer, both in terms of failure rate and reliability. Our results demonstrate that PELICAN can be used to accurately process MRIs of individuals with neurodegenerative disease who present with greater levels of atrophy and white matter lesion burden.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,005 |
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 ».