NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Progresif supranükleer palsiden (PSP) Parkinson hastalığını (PD) objektif olarak ayırt etmek, her hastalığın belirgin terapötik gereksinimleri olduğu için uygun tedavi için çok önemlidir. Manyetik Rezonans Parkinsonizm Endeksi (MRPI), tanısal bir biyobelirteç olarak vaatte bulundu, ancak manuel yöntemler değişkenliği tanıttı ve uygulanabilirliğini sınırladı. Bu çalışmada, MRPI 1.0 ve 2.0 hesaplamaları için tam otomatik bir algoritma geliştirmeyi ve PD'yi Çin'in farklı bölgelerinden iki kohortta PSP'den ayırt etme yeteneğini değerlendirmeyi amaçlıyoruz. MethodsA toplam 75 PD hastası ve iki hastaneden 29 PSP hastası kaydedildi. Tüm katılımcılar, MDS-UPDRS-III ve H-Y ölçeğinin yanı sıra beyin MRG taramaları da dahil olmak üzere nörolojik muayenelere tabi tutuldu. Buna ek olarak, derin öğrenme (DL) tabanlı süper çözünürlük (SR) tekniği kullanılarak 2D kalın dilimlerden elde edilen 3D izotropik T1WI görüntülerinden elde edilen doku yoğunluğu görüntüleri, MRPI 1.0 ve MRPI 2.0 ölçümleri için karşılık gelen yapısal maske parselasyonu ile standart bir şablona hizalandı. Daha sonra, PSP'li PD hastalarını bu indekslere göre tanımlamak için bir lojistik regresyon modeli inşa edildi.ResultsMRPI 2.0, 0,78 AUC ile MRPI 1.0'dan daha yüksek tanı doğruluğu gösterdi. Buna ek olarak, otomatik yöntem, deneyimli bir radyologdan manuel değerlendirmelerle güçlü doğrusal korelasyonlar gösterdi, güvenilirliğini doğruladı ve PSP'nin PD'den ortalama AUC 0,85 ile tanımlanması.ConclusionOtomatik MRPI yöntemi, PD'yi PSP'den ayırt etmek için tanısal doğruluğu geliştirir, güvenilir ve klinik olarak uygulanabilir bir araç sağlar. 2D MRI verilerini yüksek çözünürlüklü görüntülere dönüştürmek için süper çözünürlüklü bir tekniğin entegrasyonu, MRPI'nin nörogörüntüleyici bir biyobelirteç olarak potansiyelini genişletir.
Özgün kaynak özetini okuyun
ObjectiveDifferentiating Parkinson's disease (PD) from progressive supranuclear palsy (PSP) is crucial for appropriate treatment, as each disease has distinct therapeutic requirements. The Magnetic Resonance Parkinsonism Index (MRPI) has shown promise as a diagnostic biomarker, yet manual methods introduce variability and limit its applicability. In this study, we aim to develop a fully automated algorithm for MRPI 1.0 and 2.0 calculation, and assess its ability to distinguish PD from PSP in two cohorts from different regions of China.MethodsA total of 75 PD patients and 29 PSP patients from two hospitals were enrolled. All participants underwent neurological examinations, including the MDS-UPDRS-III and H-Y scale, as well as brain MRI scans. Additionally, tissue-intensity images derived from 3D isotropic T1WI images from 2D thick slices using a deep learning (DL)-based super-resolution (SR) technique were aligned to a standard template followed by corresponding structural mask parcellation for measurement of MRPI 1.0 and MRPI 2.0. Subsequently, a logistic regression model was constructed to identify PD patients from PSP based on these indexes.ResultsMRPI 2.0 demonstrated higher diagnostic accuracy than MRPI 1.0, with an AUC of 0.78. Additionally, the automated method showed strong linear correlations with manual assessments from an experienced radiologist, validating its reliability, and identification of PSP from PD with the average AUC of 0.85.ConclusionThe automated MRPI method improves diagnostic accuracy for differentiating PD from PSP, providing a reliable and clinically applicable tool. The integration of a super-resolution technique to convert 2D MRI data into high-resolution images expands the potential of MRPI as a neuroimaging biomarker.
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.