NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Parkinson hastalığı gibi arka plan ve objektifNeurodejeneratif hastalıklar genellikle klinik gerekçelere dayanarak güvenilir bir şekilde teşhis edilmeden önce birkaç yıl sürer. MRI gibi görüntüleme teknikleri anatomik (yapısal) patolojik değişiklikleri tespit etmek için kullanılır. Bununla birlikte, bu tür değişiklikler genellikle gelişmede sadece geç görülür. Fonksiyonel beyin aktivitesinin [18F]florodeoksiglukoz pozitron emisyon tomografisi (FDG-PET) ile ölçülmesi yararlı bilgiler sağlayabilir, ancak yorumlanması daha zordur. Ölçekli alt profil model ana bileşen analizinin (SSM/PCA) diğer istatistiksel tekniklerden daha yararlı bilgiler sağladığı gösterilmiştir. Amacımız, SSM/PCA ve prototip tabanlı genelleştirilmiş matris öğrenme vektörü nicelemesini (GMLVQ) birleştirerek performansı daha da geliştirmektir. MetodlarSSM/PCA ve GMLVQ'nun bir kombinasyonunu sınıflandırıcı olarak uygularız. Kombinasyonun geçerliliğini göstermek için, Avrupa'daki üç farklı nörogörüntüleme merkezinde toplanan Parkinson hastalığının (PD) FDG-PET verilerini analiz ediyoruz. Tekrarlanan on kat çapraz doğrulama yaparak tanı performansını belirleriz. Ek olarak, verilerin ayrımcı görselleştirmeleri dahil edilir. GMLVQ'nun prototipleri ve alaka düzeyi, SSM/PCA'nın doğrusallığından yararlanarak orijinal voksel uzayına geri dönüştürülür. Ortaya çıkan prototipler ve alaka profilleri daha sonra üç nörolog tarafından değerlendirilmiştir.SonuçlarÖnemli bir bulgu, ayrımcı görselleştirmenin hastalığa bağlı özelliklerin yanı sıra merkeze özgü faktörlerden kaynaklanan farklılıkların tanımlanmasına yardımcı olabileceğidir. İkinci olarak, nörolog yöntemin yorumlanabilirliğini değerlendirdi ve prototiplerin PD hastalarının bilinen aktivite profillerine benzediğini doğruladı.ConclusionSSM/PCA ve GMLVQ'nun sunulan kombinasyonunun, PD hastalarından ve HC'lerden FDG-PET verilerindeki karakteristik farklılıkları değerlendirmek ve daha iyi anlamak için yararlı araçlar sağlayabileceğini gösterdik. Tıp uzmanlarının değerlendirmelerine ve hesaplama analizlerimizin sonuçlarına dayanarak, bir teşhis destek sistemine yönelik ilk adımların başarılı bir şekilde atıldığı sonucuna varıyoruz.
Özgün kaynak özetini okuyun
Background and objectiveNeurodegenerative diseases like Parkinson's disease often take several years before they can be diagnosed reliably based on clinical grounds. Imaging techniques such as MRI are used to detect anatomical (structural) pathological changes. However, these kinds of changes are usually seen only late in the development. The measurement of functional brain activity by means of [18F]fluorodeoxyglucose positron emission tomography (FDG-PET) can provide useful information, but its interpretation is more difficult. The scaled sub-profile model principal component analysis (SSM/PCA) was shown to provide more useful information than other statistical techniques. Our objective is to improve the performance further by combining SSM/PCA and prototype-based generalized matrix learning vector quantization (GMLVQ).MethodsWe apply a combination of SSM/PCA and GMLVQ as a classifier. In order to demonstrate the combination's validity, we analyze FDG-PET data of Parkinson's disease (PD) patients collected at three different neuroimaging centers in Europe. We determine the diagnostic performance by performing a ten times repeated ten fold cross validation. Additionally, discriminant visualizations of the data are included. The prototypes and relevance of GMLVQ are transformed back to the original voxel space by exploiting the linearity of SSM/PCA. The resulting prototypes and relevance profiles have then been assessed by three neurologists.ResultsOne important finding is that discriminative visualization can help to identify disease-related properties as well as differences which are due to center-specific factors. Secondly, the neurologist assessed the interpretability of the method and confirmed that prototypes are similar to known activity profiles of PD patients.ConclusionWe have shown that the presented combination of SSM/PCA and GMLVQ can provide useful means to assess and better understand characteristic differences in FDG-PET data from PD patients and HCs. Based on the assessments by medical experts and the results of our computational analysis we conclude that the first steps towards a diagnostic support system have been taken successfully.
Bilimsel değerlendirme
Araştırma sorusu
Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.
Yöntem ve örneklem
Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.
Temel bulgular
Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.
Sınırlılıklar
Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.
Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.