Multimodal Discrimination of Alzheimer’s Disease Based on Regional Cortical Atrophy and Hypometabolism
Notice bibliographique
Résumé
Structural MR image (MRI) and 18F-Fluorodeoxyglucose-positron emission tomography (FDG-PET) have been widely employed in diagnosis of both Alzheimer's disease (AD) and mild cognitive impairment (MCI) pathology, which has led to the development of methods to distinguish AD and MCI from normal controls (NC). Synaptic dysfunction leads to a reduction in the rate of metabolism of glucose in the brain and is thought to represent AD progression. FDG-PET has the unique ability to estimate glucose metabolism, providing information on the distribution of hypometabolism. In addition, patients with AD exhibit significant neuronal loss in cerebral regions, and previous AD research has shown that structural MRI can be used to sensitively measure cortical atrophy. In this paper, we introduced a new method to discriminate AD from NC based on complementary information obtained by FDG and MRI. For accurate classification, surface-based features were employed and 12 predefined regions were selected from previous studies based on both MRI and FDG-PET. Partial least square linear discriminant analysis was employed for making diagnoses. We obtained 93.6% classification accuracy, 90.1% sensitivity, and 96.5% specificity in discriminating AD from NC. The classification scheme had an accuracy of 76.5% and sensitivity and specificity of 46.5% and 89.6%, respectively, for discriminating MCI from AD. Our method exhibited a superior classification performance compared with single modal approaches and yielded parallel accuracy to previous multimodal classification studies using MRI and FDG-PET.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 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 ».