MétaCan
Menu
Retour à la cohorte
Enregistrement W4415525150 · doi:10.1016/j.ynirp.2026.100344

Estimating white matter hyperintensities volume in individuals with stroke using T1-weighted images

2025· preprint· en· W4415525150 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueNeuroimage Reports · 2025
Typepreprint
Langueen
DomaineNeuroscience
ThématiqueBrain Tumor Detection and Classification
Établissements canadiensUniversity of British ColumbiaSimon Fraser University
Organismes subventionnairesNIH Office of the DirectorNational Health and Medical Research CouncilNational Institute of Neurological Disorders and StrokeMedical Research CouncilCanadian Institutes of Health ResearchFoundation of the American Society of NeuroradiologyBrain FoundationOffice of the DirectorNational Heart Foundation of New ZealandNational Institutes of HealthAmerican Society of Neuroradiology
Mots-clésStroke (engine)HyperintensityGold standard (test)LesionVolume (thermodynamics)Magnetic resonance imaging

Résumé

récupéré en direct d'OpenAlex

Stroke recovery outcomes vary across individuals, motivating the search for biomarkers that can improve prediction. White matter hyperintensities (WMH) volume is a leading biomarker candidate, with FLAIR MRI typically used for WMH segmentation; however, T1-weighted (T1) MRI is often more available. Therefore, we evaluated the performance of two automated WMH segmentation methods (WMH-SynthSeg and SAMSEG) to determine whether WMH volume can be reliably estimated using T1 alone. We analyzed imaging data from 227 stroke patients across three datasets spanning early subacute to chronic recovery, each with gold-standard WMH masks and stroke lesion masks manually traced on available T1 and FLAIR scans. WMH was segmented using T1 only as input to WMH-SynthSeg and SAMSEG, as well as using both T1 and FLAIR as input to SAMSEG, as previously implemented in stroke recovery research. Automated WMH segmentations were compared to the gold-standard WMH mask: accuracy was assessed using Dice similarity index (SI) and cluster-level false negative ratio, while agreement was assessed using intraclass correlation, Pearson's correlation, and volume ratio. We used linear mixed-effects models to evaluate whether SI was influenced by factors such as WMH volume, stroke lesion volume, WMH contrast, age, sex, and days since stroke, with dataset as a random effect. WMH-SynthSeg using T1-only input produced more accurate and reliable WMH segmentations compared to SAMSEG with T1-only input and performed comparably to SAMSEG using both T1 and FLAIR input. WMH-SynthSeg using T1-only input may be used for WMH volume estimation in stroke recovery research in the absence of multimodal imaging. Highlights: WMH volume, often assessed via multimodal imaging, predicts post-stroke outcomesT1-only methods would facilitate WMH analysis if multimodal MRI is unavailableIt is unclear how T1-only methods perform in brains with stroke lesionsWe show T1-based WMH-SynthSeg estimates strongly agree with gold standard methodsAccuracy was stable across stroke lesion sizes but varied with WMH volume/contrast.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,154
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,036
Tête enseignante GPT0,280
Écart entre enseignants0,245 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle