Estimating white matter hyperintensities volume in individuals with stroke using T1-weighted images
Notice bibliographique
Résumé
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.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».