NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
ObjectiveParkinson hastalığı (PD) olan hastalarda bilişsel gerilemeyi tahmin etmek için tüm beyin manyetik rezonans görüntüleme (MRI) radyomik özelliklerine dayanan multimodal bir kombinatoryal model geliştirmek ve doğrulamak.MetodlarBu çalışma, 68'i 4 yıllık bir takip döneminde bilişsel bozukluğu olan, normal bazal bilişli toplam 222 PD hastasını içeriyordu. Tüm hastalar MR taramasına tabi tutuldu ve antrenman setinin tüm beyin MR görüntülerinden radyomik özellikler çıkarıldı ve bir radyomik model oluşturmak için boyutsal azalma yapıldı. Daha sonra, klinik özelliklerden bilişsel düşüş için öngörücü faktörlerin taranması ve daha sonra PD hastalarında bilişsel düşüşün tahmin edilmesi için multimodal bir kombinatoryal model oluşturmak için bir radyomik model ile bunların birleştirilmesi. Kapsamlı modelin performansını, alıcı-işleten karakteristik eğri, karışıklık matrisi, F1 puanı ve hayatta kalma eğrisini kullanarak değerlendirin. Ek olarak, korpus kallozumdan difüzyon tensör görüntülemenin (DTI) nicel özellikleri, modelin klinik etkinliğini daha da doğrulamak için 52 PD hastadan seçildi.SonuçlarÇok modlu kombinatoryal model, sırasıyla, eğitim, test ve doğrulama setlerinde 0,842, 0,829 ve 0,860 eğrisi altındaki alanlar ile iyi bir sınıflandırma performansına sahiptir. Model tarafından ayırt edilen düşük riskli ve yüksek riskli gruplar arasında bilişsel gerileme PD hastaları ve corpus kallosum ile ilişkili DTI parametrelerinin sayısında önemli farklılıklar gözlenmiştir (p SonuçlarMRI'dan radyomik özelliklere dayalı multimodal bir kombinatoryal modelin inşa edilmesi, PD hastalarında bilişsel gerilemeyi tahmin edebilir, böylece klinik uygulama için uyarlanabilir stratejiler sağlar.
Özgün kaynak özetini okuyun
ObjectiveTo develop and validate a multimodal combinatorial model based on whole-brain magnetic resonance imaging (MRI) radiomic features for predicting cognitive decline in patients with Parkinson's disease (PD).MethodsThis study included a total of 222 PD patients with normal baseline cognition, of whom 68 had cognitive impairment during a 4-year follow-up period. All patients underwent MRI scans, and radiomic features were extracted from the whole-brain MRI images of the training set, and dimensionality reduction was performed to construct a radiomics model. Subsequently, Screening predictive factors for cognitive decline from clinical features and then combining those with a radiomics model to construct a multimodal combinatorial model for predicting cognitive decline in PD patients. Evaluate the performance of the comprehensive model using the receiver-operating characteristic curve, confusion matrix, F1 score, and survival curve. In addition, the quantitative characteristics of diffusion tensor imaging (DTI) from corpus callosum were selected from 52 PD patients to further validate the clinical efficacy of the model.ResultsThe multimodal combinatorial model has good classification performance, with areas under the curve of 0.842, 0.829, and 0.860 in the training, test, and validation sets, respectively. Significant differences were observed in the number of cognitive decline PD patients and corpus callosum-related DTI parameters between the low-risk and high-risk groups distinguished by the model (p ConclusionsThe building of a multimodal combinatorial model based on radiomic features from MRI can predict cognitive decline in PD patients, thus providing adaptive strategies for clinical practice.
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.