MRI quantification of longitunal morphological changes in neurodegeneration: application to multiple Sclerosis and Alzheimer's disease
Notice bibliographique
Résumé
Au Canada, la maladie d'Alzheimer (MA) et la sclérose en plaques (SP) affectent respectivement 480,600 et 100,000 patients. AD affecte la mémoire, la capacité cognitive quotidienne et représente 60 à 80 pourcent des cas de démence alors que la SP est le handicap neurologique le plus répandue chez les jeunes adultes. Ces deux maladies neurodégénératives sont incurables, mais des traitements pour leur symptôme, leur diagnostic précoce et pour retarder leur apparition sont actuellement évalué internationalement. Les processus neurodégénératifs résultants de ces maladies peuvent entraîner des changements anatomiques spatio-temporaux globaux et focaux. Quantifier de manière fiable ces changements permettra d'offrir de nouvelles perspectives sur la progression de la maladie et aura d'immenses implications pour le pronostic, les stratégies de traitement et le suivi des effets thérapeutiques sur la maladie. L'imagerie par résonance magnétique (IRM) permet la visualisation de macrostructure anatomique du cerveau, permet de saisir les phénomènes neurodégénératifs tels que l'atrophie, et d'enquêter de manière non invasive l'évolution temporale. Bien que des méthodes ont été largement utilisées pour l'estimation robuste de l'atrophie, elles se sont limitées aux analyses de type transversal. L'émergence récente de nombreuses bases de données longitudinales fournit les données nécessaires pour développer, tester et étudier les changements structurels longitudinaux de l'anatomie cérébrale. L'objectif principal de cette thèse était de développer une mesure robuste, précise et entièrement automatique des changements longitudinaux focaux en IRM, permettant une compréhension détaillée de l'origine, de la propagation et de la distribution spatiotemporelle de l'atrophie cérébrale des maladies neurodégénératives. Le premier objectif était de détecter automatiquement la présence de pathologies telles que des lésions. Deuxièmement, les lésions peuvent avoir un impact sur les analyses d'image. Nous avons donc proposé une nouvelle stratégie de remplissage des lésions pour éliminer les irrégularités d'intensité qui peuvent affecter les analyses ultérieures. Pour le troisième objectif, nous avons proposé et évalué une nouvelle méthode permettant d'éliminer le biais potentiels du recalage non-linéaire. Finalement, nous avons développé une approche de recalage spatio-temporelle d'images avec pour but de supprimer la variabilité longitudinale. Les méthodes développées dans cette thèse offrent un grand potentiel clinique en termes de diagnostic, traitement et suivi des maladies neurodégénératives.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».