Development and evaluation of image preprocessing pipelines for the Centiloid method on Down Syndrome data
Notice bibliographique
Résumé
BACKGROUND: Centiloid provides a standardized process to quantify brain amyloid in which a subject's T1 magnetic resonance imaging (MRI) and amyloid positron emission tomography (PET) scans are registered and warped to Montreal Neurological Institute 152 space using prescribed procedures. The method has a high failure rate in Down syndrome (DS) subjects from the Neurodegeneration in Aging Down Syndrome (NiAD) project. We evaluate imaging preprocessing methods (PMs) to improve the DS success rate. METHODS: PMs were constructed from combinations of image origin reset, filtering, MRI bias correction, and MRI skull stripping. Centiloid results were evaluated for adherence to standards using The Global Alzheimer's Association Interactive Network dataset. PMs were also evaluated using the NiAD dataset to judge their suitability for the DS population. DS PM evaluation procedures were developed corresponding to those specified for non-DS populations. RESULTS: Five accepted PMs improved the Centiloid-processing success rate in the DS cohort from 61.3% to 95.6%. DISCUSSION: The identified combinations of preprocessing steps substantially improved the success rate of Centiloid processing in DS. HIGHLIGHTS: Image preprocessing pipeline is proposed for Centiloid analysis of DS. Preprocessing pipelines are evaluated for adherence to Centiloid standards. Pipelines are evaluated for improvement in yield of usable imaging data. Preprocessing of amyloid imaging data resulted in a large yield improvement.
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 | 0,008 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,003 |
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 ».