NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Parkinson hastalığı, striatumdaki presinaptik dopamin taşıyıcılarının yoğunluğundaki bir azalma ile karakterize edilir. Sık sık, ilgili tanı, [Formula: metne bakınız]I-ioflupane uygulamasından sonra elde edilen 3D görüntülerin nitel bir analizi kullanılarak, ikili sınıflandırma problemi (Parkinson hastalığının yokluğu veya varlığı) göz önünde bulundurularak gerçekleştirilir. Bu çalışmada, görüntüdeki hastalığın ciddiyet seviyesine bağlı olarak bu tür görüntüleri üç sınıfta sınıflandırmak için yeni bir metodoloji önermekteyiz. Bu sorunu çözmek için, sınıf etiketlerinin doğal sırasına göre bir ordinal sınıflandırıcı kullanıyoruz. Görüntüdeki çok sayıda voksel nedeniyle özellik seçimi yapmak için yeni bir strateji geliştirildi ve sınıflandırıcının kalitesini artırmak için sentetik görüntüler üretmek için bir yöntem önerildi. Metodoloji, Eylül 2015 ile Ocak 2019 arasında yapılan 434 çalışma üzerinde test edilmiştir ve üç gruba ayrılmıştır: 271 presinaptik nigrostriatal yol, 73 hafif bir değişiklik ve 90 şiddetli değişiklik olmadan. Sonuçlar, metodolojinin son teknoloji algoritmalarını geliştirdiğini ve bu sorun için kullanılan standart ilgi bölgelerinin dışında bilgilendirici vokseller bulabileceğini doğrulamaktadır. Farklılıklar, önerilen görüntü ordinal sınıflandırmanın tıpta bir karar destek sistemi olarak kabul edilebileceğini gösteren istatistiksel testlerle değerlendirilir.
Özgün kaynak özetini okuyun
Parkinson's disease is characterised by a decrease in the density of presynaptic dopamine transporters in the striatum. Frequently, the corresponding diagnosis is performed using a qualitative analysis of the 3D-images obtained after the administration of [Formula: see text]I-ioflupane, considering a binary classification problem (absence or existence of Parkinson's disease). In this work, we propose a new methodology for classifying this kind of images in three classes depending on the level of severity of the disease in the image. To tackle this problem, we use an ordinal classifier given the natural order of the class labels. A novel strategy to perform feature selection is developed because of the large number of voxels in the image, and a method for generating synthetic images is proposed to improve the quality of the classifier. The methodology is tested on 434 studies conducted between September 2015 and January 2019, divided into three groups: 271 without alteration of the presynaptic nigrostriatal pathway, 73 with a slight alteration and 90 with severe alteration. Results confirm that the methodology improves the state-of-the-art algorithms, and that it is able to find informative voxels outside the standard regions of interest used for this problem. The differences are assessed by statistical tests which show that the proposed image ordinal classification could be considered as a decision support system in medicine.
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.