Image_2_Machine learning models for diagnosing Alzheimer’s disease using brain cortical complexity.TIF
Notice bibliographique
Résumé
Objective<p>This study aimed to develop and validate machine learning models (MLMs) to diagnose Alzheimer’s disease (AD) using cortical complexity indicated by fractal dimension (FD).</p>Methods<p>A total of 296 participants with normal cognitive (NC) function and 182 with AD from the AD Neuroimaging Initiative database were randomly divided into training and internal validation cohorts. Then, FDs, demographic characteristics, baseline global cognitive function scales [Montreal Cognitive Assessment (MoCA), Functional Activities Questionnaire (FAQ), Global Deterioration Scale (GDS), Neuropsychiatric Inventory (NPI)], phospho-tau (p-tau 181), amyloidβ-42/40, apolipoprotein E (APOE) and polygenic hazard score (PHS) were collected to establish multiple MLMs. Receiver operating characteristic curves were used to evaluate model performance. Participants from our institution (n = 66; 33 with NC and 33 with AD) served as external validation cohorts to validate the MLMs. Decision curve analysis was used to estimate the models’ clinical values.</p>Results<p>The FDs from 30 out of 69 regions showed significant alteration. All MLMs were conducted based on the 30 significantly different FDs. The FD model had good accuracy in predicting AD in three cohorts [area under the receiver operating characteristic (ROC) curve (AUC) = 0.842, 0.808, and 0.803]. There were no statistically significant differences in AUC values between the FD model and the other combined models in the training and internal validation cohorts except MoCA + FD and FAQ + FD models. Among MLMs, the MoCA + FD model showed the best predictive efficiency in three cohorts (AUC = 0.951, 0.931, and 0.955) and had the highest clinical net benefit.</p>Conclusion<p>The FD model showed favorable diagnostic performance for AD. Among MLMs, the MoCA + FD model can predict AD with the highest efficiency and could be used as a non-invasive diagnostic method.</p>
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,322 | 0,007 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».