NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Özet Bu çalışma, Parkinson hastalığı (PD) sınıflandırması için tek sıralı ve multimodal görüntüleme omik modellerini 160 PD hastasından (82 titreme tipi, 78 titreme tipi olmayan) 3.0T MRI taramaları (T1WI, T2-FLAIR) ve 100 sağlıklı kontrol kullanarak geliştirdi ve karşılaştırdı. İlgi alanları arasında Hippocampus, Substantia Nigra, Red Nucleus, Thalamus ve Amygdala yer alıyordu. Veriler, modelleme için En Az Mutlak Daralan ve Seçim Operatörü (LASSO) ve Destek Vektör Makinesi (SVM) ile birlikte, Alıcı İşletim Karakteristik (ROC) eğrileri ve eğrinin altındaki alan (AUC) üzerinden değerlendirilerek eğitim / test setlerine (8:2) ayrıldı. Tek sıralı Hippocampal-T1WI modelinde AUC'ler kontrol (eğitim/test:0.940/0.834), Tremor olmayan PD (eğitim/test: 0.923/0.740) ve tremor PD (eğitim/test:0.914/0.524) gösterilmiştir. Multimodal model daha yüksek AUC'ler elde etti: kontrol (eğitim / test: 0.966/0.877), tremor olmayan PD (eğitim / test: 0.952/0.861) ve titreme PD (eğitim: 0.942, test: 0.760), geliştirilmiş tahmin doğruluğuna işaret ederek üstün tahmin doğruluğu gösterdi. Multimodal görüntüleme omikleri, tek sıralı modellere kıyasla PD tanı ve farklılaşmasını önemli ölçüde artırmıştır.
Özgün kaynak özetini okuyun
Abstract This study developed and compared single-sequence and multimodal imaging omics models for Parkinson's disease (PD) classification using 3.0T MRI scans (T1WI, T2-FLAIR) from 160 PD patients (82 tremor-type, 78 non-tremor-type) and 100 healthy controls. Regions of interest included the Hippocampus, Substantia Nigra, Red Nucleus, Thalamus, and Amygdala. Data were split into training/test sets (8:2), with the Least Absolute Shrinkage and Selection Operator (LASSO) for feature selection and Support Vector Machine (SVM) for modeling, evaluated via Receiver Operating Characteristic (ROC) curves and area under curve (AUC). The single-sequence Hippocampal-T1WI model showed AUCs of control (training/test:0.940/0.834), non-tremor PD (training/test: 0.923/0.740), and tremor PD (training/test:0.914/0.524). The multimodal model achieved higher AUCs: control (training/test:0.966/0.877), non-tremor PD (training/test:0.952/0.861), and tremor PD (training: 0.942, test: 0.760), indicating improved predictive accuracy, demonstrating superior predictive accuracy. Multimodal imaging omics significantly enhanced PD diagnosis and differentiation compared to single-sequence models.
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.